通过权重空间中的任务否定去除后门

基于摘要分析。本文研究计算机视觉基础模型中的定向后门能否在尽量保留通用能力的同时被去除，提出利用后门行为与良性任务在权重空间中的近似解耦，通过任务否定进行训练后后门去除。 核心机制是识别并消除与后门相关的权重方向，而不是主要依靠干净数据微调来覆盖有害行为。作者报告，后门影响在权重空间中与其他良性任务近似分离，因而可以相对独立地处理；但摘要未提供方向估计、任务否定的具体计算形式或优化流程，不能据此判断其实现细节与计算成本。 在 CLIP 类模型和常见对抗触发器的实验中，作者报告：给定少量带触发器的样本，攻击成功率降低超过 99%，同时平均保留模型原有干净准确率的 96%，所需数据量低于干净数据微调防御所需数据量的 2%。这些是摘要所述评估条件下的相对变化或保留比例，并非去除后的绝对攻击成功率或绝对准确率；具体数据集、攻击配置、基线及聚合方式尚未验证。作者还报告，在一个数据集上估计的触发器向量可迁移到在其他数据集、甚至其他标签空间上训练的后门模型；在攻击类型及是否存在攻击均未知时，该方法也可结合逆向重建的触发器开展缓解。 平台推测（待验证）：若 EEG 基础模型中的后门同样形成可分离的权重方向，这种方法可能用于安全清理，而非直接提升解码能力。可复用的是权重方向估计与否定思路，需改造的是 EEG 时序触发器构造、触发样本获取及任务性能保持评估。低信噪比、通道差异和跨被试变化可能使后门方向与生理判别特征纠缠，小数据估计也可能不稳定。可先在固定跨被试划分下，对同一 EEG 模型进行可控后门注入，对比该方法与干净数据微调的攻击成功率和干净任务 Accuracy，并独立保留测试集。相关 EEG 工作尚未检索确认；原论文实验协议、消融及统计信息尚未验证。