研究者提出针对声学基础模型的FAB后门攻击

研究者 Zebin Yun、Eyal Ronen 和 Mahmood Sharif 提出名为 FAB 的后门攻击，针对声学基础模型（AFM），在仅做极少假设（如无法访问预训练数据）的情况下，既保持模型正常性能，又植入能存活于微调的后门，激活后使多项下游任务性能显著下降。 FAB 使用任务无关、物理可实现、不易察觉且无需同步的触发器（如背景警笛）。作者称，他们在两种主流 AFM、九项下游任务和四种触发器上验证了攻击有效，并可绕过现有防御、横跨数字与物理域。 作者同时指出，大规模端到端微调可以缓解 FAB，但这种防御资源消耗大且只针对特定任务。该研究已被 RAID 2026 接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。