模型审计相关资讯

密码学后门让AI安全审计失效：NeurIPS 2026论文证明模型能力可被永久隐藏

来自多家机构的研究者在NeurIPS 2026上发表论文，用密码学方法证明：可将完整的加密神经网络嵌入宿主模型权重，仅在收到特定触发密钥时激活，且即使持有完整权重、使用微调/梯度搜索/对抗训练等全套审计手段，也无法检出或消除这一隐藏能力。论