新的防御框架针对文本摘要模型的投毒攻击

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-24 17:12

研究人员开发了一个新的框架，用于防御在微调阶段发生的文本摘要模型投毒攻击。该方法称为 Detect, Unlearn, Restore，通过分析训练影响和行为敏感性来识别投毒数据。该框架还包括一种基于梯度上升的遗忘技术，以最小的效用损失恢复模型的原始行为。 AI

影响这项研究提供了一种实用的方法来保护摘要模型免受恶意数据操纵，提高了 AI 生成文本的可靠性。

排序理由该集群包含一篇详细介绍 LLM 新防御框架的研究论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.CL TIER_1 English(EN) · Poojitha Thota, Shirin Nilizadeh · 2026-06-25 04:00

检测、遗忘、恢复：防御文本摘要模型免受数据投毒攻击

arXiv:2606.26036v1 Announce Type: new Abstract: Training-time data poisoning during fine-tuning poses a significant threat to large language models (LLMs) deployed for abstractive text summarization, where small task-specific datasets exert disproportionate influence on model beh…
arXiv cs.CL TIER_1 English(EN) · Shirin Nilizadeh · 2026-06-24 17:12

检测、遗忘、恢复：防御文本摘要模型免受数据投毒攻击

Training-time data poisoning during fine-tuning poses a significant threat to large language models (LLMs) deployed for abstractive text summarization, where small task-specific datasets exert disproportionate influence on model behavior. In this setting, adversaries manipulate f…