提出DLR-Lock方法,通过模块级蒸馏将预训练MLP替换为深度低秩残差网络,利用自动微分的推理-训练不对称性增加反向传播开销并破坏优化地形,在保持模型原有推理性能的同时有效防御针对开源大模型的自适应微调攻击。
机构:Apple
来源:arXiv 2605.10777 | AI4Papers 论文推荐平台