跳到主要内容
检索

# BAPLe++

1 篇关联报道

订阅更新
  1. arXiv

    医学基础模型的后门能跨模型迁移:BAPLe++用提示修复,在四个模型六个数据集上更稳地压低攻击成功率

    医学基础模型常用提示学习做少样本适配,只训练少量提示词而冻结主干;BAPLe++考察这种适配中被植入的后门能否随提示迁移到另一个医学基础模型,并提出DePLe,把受感染的提示当作固定锚点,在小规模干净数据上另学一个新提示。实验覆盖MedCLIP、BioMedCLIP、PLIP、QuiltNet四个模型和六个胸部X光与组织病理数据集,结果显示后门确实会跨模型迁移,但方向不对称且依赖数据集;与四种免训练输入变换相比,DePLe更一致地降低后门准确率,同时保持甚至在部分设置下提升干净准确率。

已读完全部报道