该论文针对视觉-语言模型（VLM）供应链中的安全信任边界问题，提出了一类新型架构后门攻击。在VLM的典型供应链中，预训练权重、架构定义、文本编码器以及导出计算图往往由第三方提供并在下游服务中复用，导致部署方不仅继承模型参数，还会继承打包在共享模型工件中的可执行行为。作者证明，恶意模型提供者可以通过“表示转向”（representation steering）机制，在模型架构中嵌入潜在的后门逻辑：通过一个触发器控制的加法性修改，对中间表示施加干预，而无需污染训练数据、控制下游微调过程或修改部署时的提示词。当触发器不存在时，该修改为零，模型保持原有计算流程和干净输入上的正常效用；当触发器存在时，转向方向会将内部表示推向攻击者预设的目标。论文在多个VLM家族和下游任务上评估了该攻击，涵盖视觉问答、文生图、检索和语义响应偏向等，结果显示这种架构级转向后门能够破坏完整性、安全强制和排序公平性，同时不损害干净输入的模型行为。此外，论文还证明共享VLM工件可以携带针对下游服务的潜在转向逻辑。最后，作者提出了一种审计防御方法，重点检查随模型工件分发的可执行逻辑，而不仅仅是学习得到的权重。该研究揭示了VLM供应链中仅依赖权重验证的盲区，对构建安全的AI组件供应链具有重要参考意义。适合AI安全研究员、VLM部署方和模型供应链审计人员阅读。