新的攻击向量通过对齐层针对图基础模型

研究人员发现了一种新的攻击向量，通过利用图基础模型的对齐层来攻击它们，该对齐层将输入映射到共享表征。这种攻击在推理时进行，无需访问训练数据，可能导致严重的模型崩溃。研究发现 OpenGraph 模型特别容易受到攻击，其崩溃所需的扰动预算远低于其他模型，这表明其频谱分词器存在特定的脆弱性。 AI

影响 识别出图基础模型的一种新颖漏洞，可能影响其在实际应用中的安全性和可靠性。

排序理由 该集群包含一篇详细介绍图基础模型新攻击方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alignment layer
• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• graph foundation models
• Hugging Face
• Influence Flower
• ScienceCast

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →