TwinGate：基于非对称对比学习、针对不可追踪流量中分解式越狱的有状态防御
TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning
AI 导读
TwinGate 是有状态双编码器防御框架，用非对称对比学习在不可追踪的匿名请求流中识别分解式越狱。它将意图一致但语义不同的恶意片段聚到共享隐空间，并用并行冻结编码器抑制误报。在超过 362 万条指令、8,600 种恶意意图的数据集上，其在严格因果协议下实现高恶意意图召回与极低误报，吞吐与延迟优于有状态及无状态基线。