Architectural Backdoors in Vision-Language Model Supply Chains via Representation Steering
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
共收录 3 条相关情报。
← 返回所有主题该论文针对视觉-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
该论文提出了一种针对基于事件的视觉(event-based vision)和脉冲神经网络(SNN)目标检测模型的可用性后门攻击方法,称为Event Burst Trigger(EBT)。研究背景:基于事件的视觉传感器和SNN因其低延迟和低能
提示学习(Prompt Learning)作为一种新兴的机器学习范式,因其简单性和有效性而受到广泛关注。然而,其安全漏洞尚未得到充分探索。本文提出 BadBone,一种针对视觉提示学习中骨干模型(Backbone Model)的隐蔽且自适应