近 12 个月7 篇
评测与基准 2其他 1防御 1
最近一年的 AI 安全论文
本站共收录 59 篇2026 年 9 月
- 挑选你的毒药：学习选择投毒集以实现更强的 LLM 后门攻击
Pick Your Poison: Learning to Select Poison Sets for Stronger LLM Backdoor Attacks
2026 年 8 月
- SRE-Bench：面向 Agent 逆向工程的无污染真实规模基准
The Next Challenge for Agentic Cybersecurity: A Realistic, Contamination-Free Reverse Engineering Benchmark
2026 年 7 月
- CryptanalysisBench：五个前沿模型在 191 项密码分析任务上的表现
CryptanalysisBench: Can LLMs do Cryptanalysis?
- 2026 新加坡 AI 安全研究优先级共识：聚焦社会韧性与自主 AI 智能体风险
The 2026 Singapore Consensus on Global AI Safety Research Priorities
- UCM：为网页智能体遮蔽不可信内容以提供安全保证
Untrusted Content Masking for Web Agents with Security Guarantees
2026 年 2 月
- Curation Leaks：针对机器学习数据筛选的成员推断攻击
Curation Leaks: Membership Inference Attacks against Data Curation for Machine Learning
2026 年 1 月
- Thought-Transfer：针对思维链推理模型的间接定向投毒攻击
Thought-Transfer: Indirect Targeted Poisoning Attacks on Chain-of-Thought Reasoning Models
署名以 dblp 和本人的 Google Scholar 为准；只列本站收录的 AI 安全论文。