PulseAugur
中
实时 11:49:57
English(EN) Adjustable Text-Guided Backdoor Attacks with Natural-Word Triggers on Multimodal Pretrained Models

新型后门攻击利用自然语言触发器攻击多模态AI模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为文本引导后门（TGB）的新型后门攻击，该攻击针对多模态预训练模型。与先前需要特定触发条件的前向攻击不同，TGB利用自然出现的词语作为触发器，使其更隐蔽且适用于现实场景。通过引入视觉对抗性扰动可以调整攻击的强度，从而在不改变被污染数据的情况下灵活控制其有效性。在组合图像检索和视觉问答等任务上的实验证明了TGB利用这些模型安全漏洞的能力。 AI

影响 这项研究突显了多模态AI模型中存在的关键安全漏洞，可能影响其在现实应用中的安全部署。

排序理由 该集群包含一篇详细介绍新型攻击方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型后门攻击利用自然语言触发器攻击多模态AI模型

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yiyang Zhang, Chaojian Yu, Ziming Hong, Yuanjie Shao, Qinmu Peng, Tongliang Liu, Xinge You ·

    具有自然词触发器的可调文本引导后门攻击在多模态预训练模型上

    arXiv:2604.05809v2 Announce Type: replace-cross Abstract: This paper presents Text-Guided Backdoor (TGB), an adjustable backdoor attack against multimodal pretrained models that uses natural-word triggers, namely words that can naturally occur in ordinary textual inputs. Most exi…

相关话题