不除触发器，只除后门： alternative triggers 与潜在后门
计算机视觉与模式识别
2026-03-11 v1 密码学与安全
摘要
当前的后门防御假设消除已知触发器即可移除后门。我们指出这种触发器中心的观点是不完整的：\emph{alternative triggers}，即与训练触发器在感知上截然不同的模式，能够可靠地激活相同的后门。我们通过对比干净和触发表示来估计 alternative trigger 后门方向，然后开发一种基于特征的攻击，联合优化目标预测和方向对齐。首先，我们理论上证明了 alternative triggers 的存在以及其作为后门训练必然结果的事实。随后我们进行经验验证。此外，许多去除训练触发器的防御措施仍会保留后门，alternative triggers 可以利用潜在后门特征空间。我们的发现动机了针对表示空间中后门方向而非输入空间触发器的防御。
关键词
引用
@article{arxiv.2603.09772,
title = {Removing the Trigger, Not the Backdoor: Alternative Triggers and Latent Backdoors},
author = {Gorka Abad and Ermes Franch and Stefanos Koffas and Stjepan Picek},
journal= {arXiv preprint arXiv:2603.09772},
year = {2026}
}