近日，第26届IEEE国际数据挖掘大会（The 26th IEEE International Conference on Data Mining，IEEE ICDM 2026）公布录用结果。我院2024级在读硕士研究生李禹莹作为学生第一作者（王连喜教授指导）的论文《MULM: Multilingual LoRA Backdoor Defense via Multi-View Drift Mining》被大会录用，并将在会上作报告。
IEEE ICDM 2026将于2026年11月12日至15日在中国沈阳举行。本届大会共收到全球学者投稿1450篇，录用289篇，录用率为19.93%。IEEE ICDM与ACM SIGKDD、SIAM SDM并称为数据挖掘领域的三大顶级国际会议，也是中国计算机学会（CCF）推荐的B类会议，具有广泛的学术影响力和国际认可度。
论文概述：论文针对多语言LoRA适配器在开源大型语言模型生态中被日益广泛复用、但易受后门注入和下游传播影响的问题展开研究。现有LoRA后门防御方法通常依赖恶意基准测试或知识蒸馏，限制了其在真实多语言环境中挖掘潜在后门风险的能力。为此，论文提出了一种通过多视角漂移挖掘来消除LoRA适配器中多语言后门的防御框架MULM。该框架基于以下验证性观察构建：后门适配器可在语言感知视角下引发异常耦合的响应偏移，且多视角原始漂移的耦合性越强，攻击成功率越高。具体而言，MULM根据语言特定属性构建多语言视角，将可疑LoRA的响应漂移与可信冻结基础模型的自然漂移进行校准，并将异常的跨视角耦合转化为连续风险权重。这些风险权重随后用于指导风险缩放锚定修复目标，在保持清洁任务效用、强制跨视角一致性的同时，抑制可疑LoRA沿高风险方向的偏离。在多种语言的情感与毒性分类基准上的广泛实验表明，MULM在不同数据集、语言和模型规模上均保持竞争力。
图1：论文模型图
此次论文被录用，体现了我院在数据挖掘、人工智能安全等方向的研究生培养与科研创新成效。
供稿：李禹莹
初审：陈彩萍
复审：王连喜
