跳到正文
10月8日 · 周四

开源模型安全 · 论文

找到 4 篇
筛选2

攻击类型

投毒与后门3拒绝服务1

模型自身风险

失准与价值偏离1

防御类型

模型加固3权限与审批1

影响

输出被操纵3可用性与可靠性1

系统形态

模型与 API3LLM 应用1

攻击面/入口

用户输入2网页与界面1文档与消息1工具返回2工具与技能描述1训练数据3权重与梯度1分发渠道1推理服务与硬件1

层

模型层1训练与数据层2基础设施层1

系统组件

微调与开源权重3

被测模型厂商

其他4
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 81 篇还没打标签，不在筛选结果里。
攻击面/入口：训练数据攻击面/入口：推理服务与硬件话题：开源模型安全清除全部

另有 81 篇论文还没打上分类标签，暂不在筛选结果里。

  2. 防御arXiv:2609.01091 ·

    上海交大等提出 trait-direction drift 机制与探针空间走廊正则，抑制蒸馏中的潜隐特质迁移

    提出特征方向漂移机制与探针空间走廊正则，抑制蒸馏潜隐特质迁移

    模型与 API测试Qwen2.5-7B-Instruct、Llama-3.1-8B-Instruct、Gemma-3-12B-IT 等 4 个训练与数据层

    摘要论文将潜意识学习归结为特征方向漂移的持续累积，并提出走廊正则化在微调中控制隐蔽特征转移。

    完整解读
已经到底了