用可信LoRA子空间约束防御微调投毒

Bright_Warning_8406 · reddit · 2026-07-08

作者提出防御微调投毒的新思路:将微调约束在由可信 LoRA 适配器学到的子空间内,使部分恶意更新方向在几何上不可达,同时保留有用适应能力。在 196 个公开 LoRA 适配器上(含专门设计的自适应攻击)测试,攻击成功率大幅下降,而适配器覆盖任务的适应能力基本保留。论文与代码已公开。