Gli adattatori LoRA (Low-Rank Adaptation) congelano i pesi del modello base $W$ e aggiungono matrici a basso rango $A$ e $B$ ($W' = W + B \times A$). Questa leggerezza li rende ideali per la condivisione, ma introduce un grave vettore d'attacco:
1. Trigger Activation (Backdoor): l'attaccante allena le matrici LoRA affinché il modello operi normalmente su compiti standard, ma devii il comportamento in presenza di un token o pattern trigger specifico (es. esfiltrare dati, generare codice vulnerabile o disabilitare i filtri etici).
2. Difficoltà di rilevamento: poiché i pesi base non vengono alterati, i benchmark convenzionali (MMLU, GSM8K) non registrano cali di performance visibili.
3. Mitigazione: isola gli adapter di terze parti in sandbox, applica harness di Red Teaming avversariale ed esegui differential testing comparando l'output del modello base con quello dell'adapter.