实体
TCAP
TCAP
PulseAugur coverage of TCAP — every cluster mentioning TCAP 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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的EVO-Detect框架通过动态分析统一MLLM后门检测
研究人员开发了EVO-Detect，一个用于识别多模态大语言模型（MLLM）后门的新框架。与依赖静态线索的先前方法不同，EVO-Detect分析模型生成过程中内部信号的动态演变。它使用两个互补的通道——注意力流（Attention Flow）和逻辑流（Logits Flow）——来监控注意力分配和输出分布如何响应扰动而变化，从而区分恶意攻击和自然变化。这种方法在各种攻击类型上显著优于现有的最先进检测方法。
-
新的TCAP方法可无监督检测多模态大语言模型后门
研究人员开发了一种名为三组件注意力剖析（TCAP）的新型无监督方法，用于检测微调后的多模态大语言模型（MLLMs）中的后门。该技术通过分析注意力在系统指令、视觉输入和用户查询之间的分布来识别被污染的数据，并指出后门攻击会破坏这种平衡。TCAP使用统计剖析和基于EM的聚合来隔离恶意样本，在各种MLLM架构和攻击类型上均表现出强大的性能。