通过表示引导攻击视觉语言模型供应链中的架构后门

论文提出一种面向视觉语言模型供应链的架构后门：恶意提供者将触发器门控的表示加法逻辑嵌入模型架构、文本编码器或导出计算图，无需污染训练数据、控制下游微调或修改部署提示。无触发器时模型保持正常行为，触发后则将中间表示推向攻击者目标，并影响问答、文生图、检索、安全约束与排序公平性。