近日，EMNLP 2026（Conference on Empirical Methods in Natural Language Processing）公布论文接收结果，人工智能学院大数据与智能安全团队研究成果“LOKI:Locating Optimal Knock-In Points for Backdoor Attacks on Dense Retrievers” 被主会议（Main Conference）接收。该研究成果以万博·体育(ManBetX)官方网站_ManBetXSPORTS为第一单位，鲍琦琦为第一作者，硕士研究生冯林梽为第二作者、钱亚冠为通讯作者。

该工作聚焦当前大模型智能体应用中的重要组件——检索增强生成（RAG）系统，针对第三方稠密检索模型可能面临的供应链安全风险，提出神经元级精准后门攻击框架LOKI（Locating Optimal Knock-In）。研究发现，攻击者无需大范围改动模型，仅通过定位并编辑极少量关键神经元，即可显著改变触发条件下的检索行为，同时基本保持正常检索能力。仅修改0.297%参数，即可实现100%攻击成功率。这一结果揭示了RAG系统中存在一种更加细粒度、更加隐蔽的模型参数安全风险，为智能体安全的风险评估与防御方案设计提供新的研究视角与实验依据。

EMNLP是人工智能自然语言处理（NLP）领域最具影响力的国际学术会议之一，其以极严的评审流程、极低的录取比例著称，是全球NLP研究者发布成果、交流思想的首选平台，今年的主会议论文的接受率仅 15.4%。本届会议将于2026年10月24日至29日在匈牙利布达佩斯举行。（人工智能学院）