研究人员开发了一种名为“癌性后门攻击”的新型后门攻击,专门针对大型语言模型(LLMs)。与以往触发单一恶意响应的攻击不同,该方法通过多次交互渐进式地破坏LLM的推理能力。它利用隐形令牌隐藏攻击的中间阶段,并使用阶段控制器来管理攻击进程,使得通过标准的答案准确性检查更难被检测到。 AI
影响 这项研究揭示了对LLM安全的一种新型威胁,表明当前的检测方法可能不足以应对渐进式推理破坏。
排序理由 该集群包含一篇详细介绍LLM新型攻击方法的 ist 研究论文。
- arXiv
- Cancerous Backdoor Attack
- invisible tokens
- large-language models
- stage controller
- Tahmid Imtiaz Imu
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →