English(EN) Interactive Backdoor Attacks in LLM-Based Proactive Dialogue Systems

新的交互式后门攻击针对LLM对话系统

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-06 05:00

研究人员开发了一个新的框架，用于对基于大型语言模型（LLM）的主动对话系统进行交互式后门攻击。这些攻击涉及污染训练数据，植入一个可以通过普通用户话语激活的偏见，从而在无需在部署时修改提示的情况下，将多轮对话引导至攻击者的目标。实验证明了三种攻击变体——直接攻击、约束性渐进攻击和无约束性渐进攻击——在心理咨询等场景中的有效性，同时保留了模型的正常效用。现有的防御机制在过滤这些复杂的被污染对话方面效果有限。 AI

影响突显了LLM对话系统新颖的安全漏洞，需要改进防御机制以应对复杂的训练数据污染。

排序理由详细介绍LLM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 →

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

本文如何被排名

Signal score: 12 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍LLM新攻击方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: safety, paper; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Zhiyang Xia, Yuming Shang, Xi Zhang · 2026-11-06 05:00

LLM驱动的主动对话系统中的交互式后门攻击

arXiv:2611.06969v1 Announce Type: cross Abstract: LLM-based proactive dialogue systems provide goal-directed support through sustained interaction. Fine-tuning their underlying models on externally supplied dialogue data introduces backdoor risks. Existing LLM backdoor studies pr…

本文如何被排名

报道来源 [1]

LLM驱动的主动对话系统中的交互式后门攻击

相关实体

相关话题