Cancerous Backdoor Attack: Gradual Activation via Invisible Tokens and A Stage Controller

arXiv cs.CR · 12 oct, 06:00

Investigadores presentan un ataque backdoor contra LLMs que corrompe gradualmente el razonamiento del modelo a través de múltiples etapas, usando tokens invisibles y un controlador de fases. A diferencia de los backdoors tradicionales que se activan en un solo punto, este ataque degrada la calidad de las respuestas de forma progresiva sin ser detectado por métricas simples de precisión.