Skip to content

Translation in progress Some entries still include text in the original language.

Oct 12 · Monday

All papers

Found 9 papers
Filter3
Select any value within a category; different categories must all match. Counts include the other filters you have selected.Another 254papers have no tags yet and are not included in filtered results.

Another 254papers do not have category tags yet and are not included in filtered results.

  1. AttacksarXiv 2610.03166

    LiBRA:通过双向隐空间优化实现检测感知的图像水印去除

    提出 LiBRA,在潜空间双向优化以规避图像水印双侧检测

    Published
    Attacker
    White-box
    Evaluated models
    Stable Signature, YU1, HiDDeN and others4

    AbstractLiBRA 用双向潜空间优化规避双侧水印检测,并提高相对反转基线的保真。

    Paper analysisRead analysis
  2. AttacksarXiv 2610.03124

    研究提出 Untag 攻击框架,使开源大模型触发标签滥用检测机制失效

    提出 UNTAG,绕过开源权重模型的 trigger-tag 滥用检测

    Published
    Evaluated models
    Llama2 (7B), Llama3 (8B), Qwen2.5 (7B)
    Abstract作者用 UNTAG 评估 trigger-tag,认为其不能充当开放权重滥用检测的主要边界。

    UNTAG 是针对开放权重 LLM 上条件滥用检测 trigger-tag 的统一攻击评估:信号可以在解码期注入,也可以写进权重,但攻击者若能改输出或改已发布权重,检测可以失效。

    Paper analysisRead analysis
  3. AttacksarXiv 2606.16100

    研究者提出 GhostPrint 攻击,可让弱模型伪装成高价 LLM 绕过指纹识别

    提出 GhostPrint,用低秩微调让弱模型骗过指纹审计

    Published
    Evaluated models
    Gemma-1.1-2B, Qwen2-1.5B, Phi-3-mini
    AbstractGhostPrint 以 PEFT 让弱模型骗过部分指纹。

    GhostPrint 讨论恶意推理提供方能否只用低秩更新,让更弱的模型在用户的 black-box 指纹审计里看起来像宣传中的强模型。

    Paper analysisRead analysis
  4. AttacksarXiv 2604.10893

    研究者提出 Adaptive Stealing 自适应窃取水印攻击方法

    提出 Adaptive Stealing,自适应窃取印章以擦除或伪造水印

    Published
    Evaluated models
    OPT-2.7b, Llama3-8b
    AbstractAS 用逐步选印章做水印伪造与擦除,作者称其攻击效果高于固定策略的 WS。

    AS 是一种窃取生成式 LLM 水印的算法,用来在密钥和检测接口不可用时伪造或擦除水印。

    Paper analysisRead analysis
  5. AttacksarXiv 2601.04261

    针对大语言模型后门指纹的抑制攻击

    提出 TFA 与 SVA,抑制 ensemble 后门指纹验证

    Published
    Evaluated models
    LLaMA2-7B, LLaMA3.1-8B-It, Qwen2.5-7B and others11
    Abstract两种 ensemble 攻击 TFA/SVA 抑制后门指纹。

    TFA 与 SVA 是针对后门式 LLM 指纹的 ensemble 抑制攻击,不改模型参数。所有者用 SFT 写入秘密对,只通过 API 验证版权。攻击者未授权取得模型,不知道触发和指纹,却要把每个模型的验证变成失败,同时让 ensemble 至少不差于性能最高的单模型。

    Paper analysisRead analysis
  6. AttacksarXiv 2510.10987

    DITTO:通过知识蒸馏伪造水印 LLM 的作者归属

    提出 DITTO 框架,蒸馏提取水印信号并注入外部模型以伪造归属

    Published
    Attacker
    Black-box
    Evaluated models
    Llama3.1-8B, Llama3.2-3B, GPT-OSS 20B and others4

    Abstract论文针对大模型水印归属假设的脆弱性,提出黑盒仿冒攻击 DITTO,实现跨架构和采样方案的高检测率与低困惑度仿冒。

    Paper analysisRead analysis
You have reached the end