跳到正文
10月9日 · 周五

全部论文

找到 2 篇
筛选4

影响

数据与隐私泄露2输出被操纵3可用性与可靠性0监督失效3

攻击面/入口

用户输入16权重与梯度2

层

模型层2训练与数据层11
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 535 篇还没打标签，不在筛选结果里。
影响：数据与隐私泄露影响：可用性与可靠性攻击面/入口：权重与梯度层：模型层清除全部

另有 535 篇论文还没打上分类标签，暂不在筛选结果里。

  2. 攻击arXiv 2609.10117

    研究揭示基于混淆的端侧 LLM 保护方案的安全边界

    提出 Collapse，从端侧混淆暴露视图抽取高效用替代模型

    arXiv
    2609.10117
    发表
    层
    模型层
    场景
    模型与 API
    被测模型
    BERT-Base、ViT-Base、Qwen2.5-0.5B 等 4 个
    摘要Oprior 是四原语复合的安全边界，Collapse 利用列方向泄漏抽取替代模型，Oext 只被同一攻击评测。

    这篇工作用代数原语统一若干 TEE 卸载混淆，给出该族的典范边界，再说明该边界挡不住一种分阶段模型抽取。。

    深度解读完整解读
已经到底了