# 后门检测

CLEAR把后门样本检测从单层激活搬到跨层极值响应上：先用批归一化统计量把各隐藏层特征对齐到同一尺度，再取每个通道的空间最小值作为异常表示，并用粒子群优化搜索层间权重。在CIFAR-10与Tiny-ImageNet上，CLEAR的平均真阳性率分别为97.54%和99.54%，平均假阳性率为0.16%和0.03%，高于AC、SCALE-UP、AIBD与CCD；用其清洗后的数据重训，模型准确率接近良性模型。

CLEAR把后门样本检测从单层激活搬到跨层极值响应上：先用批归一化统计量把各隐藏层特征对齐到同一尺度，再取每个通道的空间最小值作为异常表示，并用粒子群优化搜索层间权重。在CIFAR-10与Tiny-ImageNet上，CLEAR的平均真阳性率分别为97.54%和99.54%，平均假阳性率为0.16%和0.03%，高于AC、SCALE-UP、AIBD与CCD；用其清洗后的数据重训，模型准确率接近良性模型。

GCoTD把黑盒大模型的推理过程转成图结构，再用轻量检测器判断回答是否被后门触发，而不依赖权重、梯度或训练数据。此前后门检测多依赖白盒信号、带标签的投毒数据或输出层特征，在闭源API上容易失效。在四种攻击类型、六个模型上，GCoTD在多数设置中取得最高或接近最高的TPR，并在GPT-4o与LLaMA-3-8B上分别比此前最优方法高3.44和3.75个百分点的TPR。

GCoTD把黑盒大模型的推理过程转成图结构，再用轻量检测器判断回答是否被后门触发，而不依赖权重、梯度或训练数据。此前后门检测多依赖白盒信号、带标签的投毒数据或输出层特征，在闭源API上容易失效。在四种攻击类型、六个模型上，GCoTD在多数设置中取得最高或接近最高的TPR，并在GPT-4o与LLaMA-3-8B上分别比此前最优方法高3.44和3.75个百分点的TPR。