状态后门：面向视觉-语言-动作模型的隐蔽现实投毒攻击
密码学与安全
2026-01-09 v1 机器学习
摘要
视觉-语言-动作（VLA）模型广泛应用于安全关键的具身人工智能应用中，如机器人系统。其复杂的多模态交互也暴露了新的安全漏洞。本文研究VLA模型中的后门威胁，即恶意输入导致目标性异常行为，同时保持干净数据的性能。现有后门方法主要依赖在视觉模态中插入可见触发器，因环境变量的差异性，在实际场景下存在鲁棒性差和不易察觉性问题。为克服这些限制，我们引入State Backdoor（状态后门）——一种新型且实用的后门攻击，利用机器人机械臂的初始状态作为触发器。为优化触发器的不易察觉性和有效性，我们设计了偏好引导遗传算法（PGA），高效搜索状态空间以寻找最小且高效的触发器。在对五个代表性VLA模型和五个真实任务进行大量实验后，我们的方法在不影响良性任务性能的前提下实现超过90%的攻击成功率，揭示了具身AI系统中尚未充分探索的漏洞。
引用
@article{arxiv.2601.04266,
title = {State Backdoor: Towards Stealthy Real-world Poisoning Attack on Vision-Language-Action Model in State Space},
author = {Ji Guo and Wenbo Jiang and Yansong Lin and Yijing Liu and Ruichen Zhang and Guomin Lu and Aiguo Chen and Xinshuo Han and Hongwei Li and Dusit Niyato},
journal= {arXiv preprint arXiv:2601.04266},
year = {2026}
}