10月8日 · 周四

开源模型安全 · 论文

找到 1 篇

筛选3

攻击类型

防御类型

影响

输出被操纵1

系统形态

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 分发渠道1

层

提示层0 应用层1

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 68 篇还没打标签，不在筛选结果里。

攻击面/入口：文档与消息层：提示层层：应用层话题：开源模型安全清除全部

另有 68 篇论文还没打上分类标签，暂不在筛选结果里。

防御arXiv 2608.215008月22日
SecOPD 用同策略蒸馏把自适应提示注入攻击成功率降至 9.0%
提出 SecOPD 同策略蒸馏微调，降低模型对自适应提示注入的顺从
arXiv
2608.21500
发表
8月22日
层
应用层
场景
AI Agent
测试
Qwen3.6-27B (Undefended)、Meta-SecAlign、SecOPD
- 防御模型加固
- 攻击提示注入
深度解读完整解读

已经到底了