Gradient Firewall：抵御恶意微调的零空间阻断

基于摘要分析。本文研究开源 Large Language Models（LLMs）面对恶意训练者微调时的安全防御，提出嵌入模型架构的 Unidirectional Safety Gate（USG），通过阻断不安全样本的反向梯度，抑制模型学习有害模式；研究对象是 LLM 安全，而非 EEG 或 BCI 信号建模。 核心机制是将 Null Space Cubic Layer 与 Adapter 串联，作为插件插入最后一个 Transformer 层之后。作者通过零空间提取获得 cubic layer 的参数，再训练 Adapter 恢复模型能力。USG 在反向传播时充当梯度过滤器；摘要将其防御范围表述为针对已见过的有害数据进行监督微调（SFT）时阻断梯度回传，不能据此推断其对任意未见攻击数据均有效。零空间的具体构造、样本安全性如何体现为梯度阻断，以及 Adapter 的训练目标尚未验证。 作者报告，实验中 USG 能在保持良性数据上模型效用的同时抵御有害微调。摘要未提供模型名称、数据集、攻击配置、对照基线或量化指标，因此尚不能判断防御强度与效用代价。实验协议、消融及统计信息尚未验证；尤其需要核对攻击者可修改哪些参数或模块，以及安全门能否被移除、绕过或重新训练。 该机制依赖有害样本与零空间构造之间的关系，但材料未给出其与 EEG 训练瓶颈的具体对应证据，不据此提出 BCI 迁移效果或复现实验建议。已有 EEG 相关工作尚未检索确认。