# Needle后门移除方法

该工作提出免训练的后门移除方法 Needle：在已知触发词的前提下，用激活向量估计一个后门方向和一个拒绝子空间，再对模型权重做逐层顺序正交化，在 Gemma-3-4B-IT、Qwen3-4B-Instruct-2507 及 Gemma-3-12B-IT 上把平均攻击成功率降到所评估防御中最低，并在代码注入攻击上实现完全移除，同时取得最低的 KL 散度与最小的能力、安全变化。

该工作提出免训练的后门移除方法 Needle：在已知触发词的前提下，用激活向量估计一个后门方向和一个拒绝子空间，再对模型权重做逐层顺序正交化，在 Gemma-3-4B-IT、Qwen3-4B-Instruct-2507 及 Gemma-3-12B-IT 上把平均攻击成功率降到所评估防御中最低，并在代码注入攻击上实现完全移除，同时取得最低的 KL 散度与最小的能力、安全变化。