TCAP：面向MLLM微调中无监督后门检测的三组件注意力画像

微调即服务（FTaaS）便利了多模态大语言模型（MLLM）的定制，但通过投毒数据引入了关键的后门风险。现有防御要么依赖监督信号，要么无法跨多样触发类型和模态泛化。在本工作中，我们揭示了一种通用的后门指纹——注意力分配分歧：无论触发形态如何，被投毒样本都会扰乱系统指令、视觉输入和用户文本查询这三个功能组件上的平衡注意力分布。受此启发，我们提出三组件注意力画像（TCAP），一个用于过滤后门样本的无监督防御框架。TCAP将跨模态注意力图分解为三个组件，通过高斯混合模型（GMM）统计画像识别对触发敏感的注意力头，并通过基于EM的投票聚合隔离被投毒样本。在多样MLLM架构和攻击方法上的大量实验表明，TCAP取得持续强劲的性能，确立了其作为MLLM中稳健实用后门防御的地位。