近 12 个月9 篇
防御 2
最近一年的 AI 安全论文
本站共收录 25 篇2026 年 10 月
- PACE：面向工具调用 LLM Agent 的来源感知能力强制执行
PACE: Provenance-Aware Capability Enforcement for Tool-Using LLM Agents
2026 年 9 月
- 研究者提出梯度封堵实现 LLM 发布前的预防性遗忘
Preemptive LLM Unlearning against Forbidden Capability Acquisition via Gradient Sealing
- CABAL：追踪同行评审中合谋投标影响的多智能体模拟框架
CABAL: Multi-Agent Simulacra for Tracing the Effects of Collusive Bidding in Peer Review
2026 年 6 月
- 高效、鲁棒且抗合谋的图像扩散模型指纹技术
Efficient, Robust, and Anti-Collusion Fingerprinting of Image Diffusion Models
2026 年 4 月
- kNNProxy：面向黑盒零样本 LLM 生成文本检测的高效免训练代理对齐
$k$NNProxy: Efficient Training-Free Proxy Alignment for Black-Box Zero-Shot LLM-Generated Text Detection
2026 年 2 月
- AEGIS：面向扩散模型的对抗目标引导、无需保留数据的鲁棒概念擦除
AEGIS: Adversarial Target-Guided Retention-Data-Free Robust Concept Erasure from Diffusion Models
2026 年 1 月
- 基于 DDIM 度量损失的 Stable Diffusion 通用对抗净化（UDAP）
Universal Adversarial Purification with DDIM Metric Loss for Stable Diffusion
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。