实体
prompt injection defenses
prompt injection defenses
PulseAugur coverage of prompt injection defenses — every cluster mentioning prompt injection defenses across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的Cordyceps攻击通过数据投毒实现对大型语言模型的隐蔽控制
研究人员开发了一种名为Cordyceps的新型数据投毒技术，能够实现对大型语言模型（LLMs）的隐蔽控制攻击。与依赖固定触发短语的先前方法不同，Cordyceps通过语义关联教会LLMs隐藏恶意指令。该方法在绕过现有防御方面取得了显著成功，包括异常值检测、干净数据正则化和提示注入防御，即使只有一小部分被投毒的数据也能实现高攻击成功率。
-
研究发现 AI 助教防御以牺牲可用性为代价
一篇新的研究论文评估了 AI 助教的提示注入防御的有效性，强调了安全、可用性和响应速度之间固有的权衡。该研究引入了一种方法和基准来比较不同的防御机制，发现多层安全管道可以实现低绕过率和低误报率。该研究旨在帮助教育类 AI 系统根据特定机构的风险和可用性要求来选择防护措施。