跳到正文
热点事件持续更新

EVO-Detect:双流轨迹分析检测MLLM后门

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Yinzhen Huang 等发布论文,提出EVO-Detect框架,通过监测多模态大模型早期解码阶段Attention Flow与Logits Flow两条通道的内部信号动态演化,检测未知类型的后门攻击。作者称该方法利用图像—文本注意力分配变化和模态扰动引起的输出分布敏感性。 作者基于论文摘要报告,在多类攻击上该方法显著优于BYE和TCAP等基线;具体实验范围与细节未提供,结果属于作者声称,尚未经独立核验。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月15日
  1. arXiv · cs.AI
    EVO-Detect:通过双流轨迹分析统一检测多模态大模型后门

    研究提出EVO-Detect,通过监测多模态大模型早期解码阶段的Attention Flow与Logits Flow,动态检测未知类型的后门攻击。作者基于论文摘要称,该方法利用图像—文本注意力分配变化和模态扰动引起的输出分布敏感性,并报告其在多类攻击上优于BYE和TCAP;具体实验范围与细节未提供。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。