如何在 PyTorch 的反向传播中运行图灵完备的恶意软件
安全研究员 Elon Litman 证明，一个在前向传播中恒等于 0.0 的损失项，仍可在 PyTorch 的反向传播中驱动任意计算——甚至是图灵完备的程序（如康威生命游戏），利用的是 IEEE 754 浮点舍入与自动微分符号求导之间的差异。他在演示中把生命游戏嵌入一个正在训练的 MNIST 分类器，连续跑了 2345 步，损失曲线和准确率毫无异常。这之所以重要，是因为它定义了一类全新的机器学习供应链攻击：恶意"正则化器"包可以无形中劫持训练过程，而模型哈希、代码审查和训练指标看起来都完全正常。
报道来源
- Lobsters (AI)2026-10-21 21:06