이 논문은 멀티모달 대형언어모델(MLLM)이 이미지·텍스트 어느 쪽에도 백도어 트리거가 숨을 수 있는 구축 파이프라인의 위험을 그대로 물려받는다고 지적하며, 기존 방어가 대부분 추론 시점에 의심스러운 입력을 걸러낼 뿐 모델에 내장된 백도어 자체는 제거하지 못한다고 진단한다. 연구진은 백도어가 계층 간 내부 표현에 비정상적 변화를 일으킨다는 '계층별 비일관성 이상' 관찰에 기반해 모델 자체를 수리하는 프레임워크 'RACER'를 제안한다. RACER는 융합된 표현을 시각·텍스트 토큰 영역으로 분해해 각각의 비일관성을 정규화한 뒤 모달리티 인식 가중치로 재조합하고, 최악의 경우를 가정한 최소최대 최적화로 적대적 파인튜닝을 수행한다. 트리거나 공격 목표, 백도어 존재 여부조차 몰라도 단 100개의 정상 샘플만으로 작동하며, 3개 오픈소스 MLLM·36개 백도어 설정 실험에서 평균 공격성공률을 1.1%로 낮추고 32개 설정에서는 0%를 달성하면서도 정상 작업 성능은 유지했다.

• •MLLM은 이미지·텍스트 어디든 백도어 트리거가 숨을 수 있어 기존 방어는 추론 시점 필터링에 그침
• •백도어가 유발하는 '계층별 비일관성 이상'에 기반한 모델 자체 수리 프레임워크 'RACER' 제안
• •트리거·공격목표·백도어 존재 여부를 몰라도 정상 샘플 100개만으로 작동
• •3개 MLLM·36개 백도어 설정에서 평균 공격성공률 1.1%(32개 설정 0%) 달성, 정상 성능은 유지