10月9日 · 周五

开源模型安全 · 论文

找到 1 篇

筛选4

攻击类型

防御类型

水印与溯源1

系统形态

模型与 API1 AI Agent1 编程 Agent0

攻击面/入口

用户输入18 网页与界面0 文档与消息1 工具与技能描述1 图像与音视频3 训练数据11 权重与梯度15 分发渠道4 推理服务与硬件1

层

被测模型厂商

同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 45 篇还没打标签，不在筛选结果里。

系统形态：模型与 API 系统形态：编程 Agent 攻击面/入口：网页与界面攻击面/入口：文档与消息话题：开源模型安全清除全部

另有 45 篇论文还没打上分类标签，暂不在筛选结果里。

防御arXiv 2610.0281710月5日
RMCW：基于 Reed-Muller 码的抗删除 LLM 水印方法
提出抗删除水印 RMCW，在生成时注入 Reed-Muller 结构并做局部检验
arXiv
2610.02817
发表
10月5日
层
模型层
场景
模型与 API
测试
OPT-1.3B、Llama-3.1-8B-Instruct
- 防御水印与溯源
- 攻击检测规避
深度解读完整解读

已经到底了