直接改几个权重即可埋后门，攻击方法由 Claude Code 自主发现
DimitrisPapail · x · 2026-11-12
一项安全研究引发关注：只需直接编辑 LLM 的少量权重，无需微调即可植入后门；只要不触发特定 trigger，检测极其困难；当模型经具有工具执行权限的 agent 运行时，风险显著放大。更惊人的是，该攻击手法的发现与改良几乎由 Claude Code 自主完成。评论者称这类直接权重编辑手法未来可能被云端 LLM 服务视为“黑魔术”而封禁。
「安全」频道最新
- 传中国 AI 公司紧急赴海外数据中心租 Nvidia 算力，防远程访问被封堵 — generativist · 2026-11-12
- Hugging Face CEO Clem：今天很糟糕，但开源 AI 会加倍抗争 — ariG23498 · 2026-11-12
- ChatGPT 用户可六折购 YubiKey 套装,附安全密钥配置建议 — paw_lean · 2026-11-12
- Telegram 桌面端曝零点击 RCE,按下 /start 即可被黑 — zebird0 · 2026-11-12
- 爆梗漫画:精英 AI 风险讨论全建立在离线评测靠谱这块危石上 — joshua_saxe · 2026-11-12
- Anthropic 反「欺骗性 campaign」条款今日生效，游戏 Claude 可见性的站点受关注 — lilyraynyc · 2026-11-12