防御arXiv 2609.29287·9月24日AEGIS:用内部信号在中间层拦截大型音频语言模型越狱提出 AEGIS,用中层内部信号选择性激活后层适配器拦截音频越狱arXiv2609.29287发表9月24日层模型层场景模型与 API攻击者白盒被测模型Qwen2-Audio-7B、VITA-1.5、Ultravox v0.5 等 6 个防御推理时干预攻击越狱组件音频+1+1深度解读完整解读
防御arXiv 2609.27378·9月23日PALS:面向全双工语音对话模型对抗鲁棒性的心理声学对齐潜空间平滑提出 PALS,用潜空间平滑防御全双工语音对话的对抗扰动arXiv2609.27378发表9月23日层模型层场景模型与 API攻击者白盒被测模型Moshi-style agent防御模型加固攻击越狱组件音频深度解读完整解读