GuardNet

新的防御和攻击手段针对大语言模型越狱和提示注入

研究人员正在开发新的方法来防御大型语言模型免受提示注入和越狱攻击。GuardNet 利用浅层神经网络的集成进行高效检测，而 SlotGCG 则专注于优化提示内的攻击位置以利用位置漏洞。NeuroArmor 通过将提示与安全变体进行比较来平衡安全性和有用性，提供运行时防御，而 CRI 则提出了一个框架，通过利用模型激活空间中的合规性方向来增强越狱攻击。