RepTrigger：通过表征空间扰动构造离散文本后门触发器

基于摘要分析。本文研究 NLP 模型依赖外部训练数据时的文本后门风险，提出 Representation-Space Constructed Trigger（RepTrigger），以连续 token 表征为中间空间构造离散文本触发器，而非直接编辑 token 或变换句子。 核心机制是在 token 表征上施加确定性的分块扰动模板，再将扰动后的表征重构为词表中的 token。共享模板将随输入变化的 token 修改组织成可学习模式，使触发器的具体文本形式可以因输入而异，同时遵循一致的构造规则。其方法重点是连接连续表征扰动与离散文本触发器，而不是仅依赖固定触发词。 作者报告，在 BERT、Qwen 和 Llama 模型上的实验中，RepTrigger 具有较强攻击效果，且对干净任务性能的损害有限；在所评估的输入净化防御下，触发器仍保持有效。作者还报告，相关分析支持结构化构造的作用不能仅由粗粒度 token 类型线索解释。摘要未提供具体模型版本、数据集、数据划分、投毒比例、攻击指标数值或防御配置，因此上述结论仅适用于作者所评估的条件，不能据此推断普遍防御失效。 复现时需核对表征提取位置、分块模板及扰动设置、离散 token 重构方法、攻击者权限、训练流程与对照条件。实验协议、消融及统计信息尚未验证。本文主要研究对象是 NLP 文本后门，材料未提供 EEG/BCI 实验或明确的神经信号迁移机制，不据此推断 BCI 有效性。