研究表明 AI 模型可被构造后门以加密形式隐藏任意能力

一项被 NeurIPS 2026 接收的研究证明，在对抗条件下可通过后门攻击将加密神经网络嵌入宿主模型权重，仅在收到特定触发器时才解密并执行，使隐藏电路在密码学假设下难以被激发或解释。研究团队用 PyTorch 实现了概念验证，在小规模化学反应预测任务上测试了微调、权重加噪、基于梯度的触发器搜索和潜在对抗训练等激发手段，结果均显示抗性。作者已发布模型权重以支持防御研究。