この論文は、マルチモーダル対照学習モデルにおけるプロンプトベースの連合学習（PromptFL）に対する新しいバックドア攻撃であるBadPromptFLを提示します。 BadPromptFLは、破損したクライアントがローカルバックドアトリガーとプロンプト埋め込みを共同で最適化し、グローバル集約プロセスに悪意のあるプロンプトを注入する方法です。この悪意のあるプロンプトはポジティブクライアントに伝播され、モデルパラメータを変更せずに推論時にユニバーサルバックドアを有効にすることができます。 CLIPスタイルアーキテクチャのコンテキスト学習動作を活用して、BadPromptFLは最小限の可視性と限られたクライアントエンゲージメントで高い攻撃成功率（> 90％など）を達成します。さまざまなデータセットと集約プロトコルの広範な実験を通じて、攻撃の効果、秘密性、および一般化の可能性を検証し、実際の展開でプロンプトベースの連合学習の堅牢性について深刻な懸念を提示します。
