本文提出了一种名为 LoRAScan 的新型防御方法，用于检测大型语言模型（LLM）低秩适配器（LoRA）中的后门提示。LoRA 是一种高效的模型微调技术，通过引入小型适配器模块来降低计算成本，但也带来了供应链安全风险：不可信的适配器可能包含后门，使得模型在遇到特定触发词时生成有害内容、恶意代码、政治宣传或隐蔽广告。现有防御方法主要分为两类：一类是适配器无关的防御，将适配器与基础模型合并，这会稀释后门信号并降低检测性能；另一类是适配器感知的方法，但要么训练一个防御性适配器来修复被后门化的基础模型（关注的是对抗问题而非保护适配器本身），要么使用分类器将整个适配器标记为可疑，需要单独处理。这些方法都忽略了后门适配器中触发输入产生的不同潜在空间特征。LoRAScan 是第一个在推理时检测并拒绝触发输入、且不修改适配器参数的适配器感知防御方法。其核心观察是：大约 5% 的 LoRA 插入位点在干净输入下保持稳定，但在触发词存在时，其下投影激活会表现出高度集中的尖峰。LoRAScan 在模型部署前识别这些低方差插入位点，并在推理过程中监控它们。在标准 LLM 后门基准测试中，LoRAScan 能拒绝约 98.49% 的恶意输入，同时在干净输入上保持较低的误报率，在多种评估设置下均优于现有防御方法。