BadActs：激活空间中的通用后门防御

基于摘要分析。本文研究深度神经网络开发阶段的后门安全问题，提出 BadActs：不在词空间直接修改输入，而在激活空间净化后门样本，目标是在去除触发器的同时保留干净内容。摘要以词、句法等信息为例阐释机制，不能据此认定其已在 EEG 或 BCI 上验证。 核心机制是将异常激活拉向经优化的最小干净激活分布区间，并结合基于异常激活统计信息的检测模块，以改善干净数据 Accuracy 与防御性能之间的权衡。作者认为，激活空间既包含词等表层信息，也包含句法等高层语义概念，因此能够应对不同类型的触发器；连续、细粒度的激活调整则有助于减少净化对干净内容的损伤。相较于摘要所述的词空间净化方法，其主要方法差异是把防御位置转移到模型内部表示。 摘要未提供数据集、攻击配置、对照方法或量化结果，因而尚不能核对“通用”防御的覆盖范围与性能代价。激活区间的优化目标、干净参考数据需求、所处理的网络位置、检测阈值及推理开销均尚未验证；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 解码器中的后门触发器会产生可与正常任务活动区分的异常激活，该机制可能用于模型内部的后门检测与净化。可复用部分是激活统计检测和区间约束，需改造的是 EEG 干净参考分布、通道与时间结构相关的检测统计及阈值。低信噪比、跨被试分布偏移、通道变化和小样本估计可能使正常激活被误判，净化也可能损伤任务相关信号。一个可证伪的小实验是在固定 EEG 任务及相同划分下，对比无防御、仅检测与检测加净化，分别报告干净数据 Accuracy、后门攻击成功率和误报率，并在被试内与跨被试协议下分开评估。已有 EEG 相关工作尚未检索确认。