NEEDLE 免训练移除 LLM 后门：代码注入攻击成功率降至 0%

Locai Labs 开源免训练后门移除方法 NEEDLE，代码注入攻击成功率（ASR）降至 0%。该方法先识别触发器，用激活向量估计后门方向与拒绝子空间，再施加序贯权重正交化，无需干净参考模型，也无需原始投毒训练数据。在多个模型家族与攻击类型上，NEEDLE 取得所评估防御中最低平均 ASR，且 KL 散度最低，能力与安全性变化最小。