一种针对视觉-语言-动作模型的链式推理隐蔽后门漏洞检测方法

本申请涉及具身智能安全评估领域，具体公开了一种视觉‑语言‑动作模型的链式推理隐蔽后门漏洞检测方法，包括以下步骤：在视觉和语言输入中分别注入微小像素扰动和罕见字符标记；基于模型自回归预测特性，设计融合正常推理步骤与异常后门分支的混合推理链；采用前缀调优将混合推理序列作为可插拔前缀注入模型；通过系统性验证流程检测模型生成异常动作指令的漏洞敏感性。相比现有方法，本发明优势在于：基于前缀调优的无损检测机制，无需修改模型参数或依赖训练数据，保障检测的安全性与易复现性；构建多模态触发机制，有效揭示复杂场景中模型的隐蔽脆弱性；链式融合异常分支与正常流程，可系统性评估模型对于隐蔽性逻辑偏移的防御能力。