跳到正文
10月13日 · 周二

全部论文

找到 7篇
筛选5
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 203篇还没打标签,不在筛选结果里。

另有203篇论文还没打上分类标签,暂不在筛选结果里。

  1. 攻击arXiv 2610.05601

    Tracer 框架可从遗忘后的扩散模型中识别被擦除概念

    提出 TRACER,从权重差识别扩散模型被擦除概念

    发表
    攻击者
    白盒
    被测模型
    Stable Diffusion v1.5、Stable Diffusion 3、FLUX.1 等5个
    摘要TRACER 用权重足迹识别未披露擦除概念并估计个数,作者称数秒内完成且准确率高于对照。

    TRACER 针对的是遗忘扩散模型上的目标识别:提供者从公开基座 W 用已发表方法擦掉未知集合 S⋆,只发布 W′。攻击者还有假定包含这些概念的词表,但不知擦了谁、擦了几个、用了什么算法。

    深度解读完整解读
  2. 防御arXiv 2609.23586

    VidMark:面向视频生成模型知识产权保护的高效水印方案

    提出 VidMark 水印方案,核验视频生成模型的输出来源与所有权

    发表
    被测模型
    Stable Video Diffusion (SVD)、Open-Sora、Wan
    摘要VidMark 加解码器引导微调,把模型签名写入 VGM 输出并用于两项核验。

    Huang 等人提出一套面向视频生成模型的生成内嵌水印方案,用来同时判断一条视频是否来自受保护模型,以及一个嫌疑模型是否为该模型的拷贝。

    深度解读完整解读
  3. 攻击arXiv 2609.10117

    研究揭示基于混淆的端侧 LLM 保护方案的安全边界

    提出 Collapse,从端侧混淆暴露视图抽取高效用替代模型

    发表
    被测模型
    BERT-Base、ViT-Base、Qwen2.5-0.5B 等4个
    摘要Oprior 是四原语复合的安全边界,Collapse 利用列方向泄漏抽取替代模型,Oext 只被同一攻击评测。

    这篇工作用代数原语统一若干 TEE 卸载混淆,给出该族的典范边界,再说明该边界挡不住一种分阶段模型抽取。。

    深度解读完整解读
  4. 攻击arXiv 2602.10134

    逆向工程语言模型上的模型编辑

    提出 KSTER,从模型编辑的参数差恢复被擦除知识

    发表
    攻击者
    白盒
    被测模型
    Llama3-8B-Instruct、GPT-J (6B)、Qwen2.5-7B-Instruct
    摘要KSTER 从 locate-then-edit 的权重差恢复主体与提示词。

    KSTER 是针对 locate-then-edit 的白盒逆向框架,并配有子空间伪装防御。

    深度解读完整解读
  5. 攻击arXiv 2601.18110

    AttenMIA:利用注意力信号对 LLM 进行成员推断攻击

    提出 AttenMIA,用注意力信号做白盒成员推断

    发表
    攻击者
    白盒
    被测模型
    LLaMA-13B、LLaMA-30B、Pythia-6.9B 等12个
    摘要AttenMIA 用白盒注意力做成员推断,作者称在低假阳性下优于输出类基线。

    AttenMIA 是面向开源权重 LLM 的白盒、reference-free 成员推断:读内部注意力,而不是只看输出置信度,判断样本是否在训练集中。

    深度解读完整解读
已经到底了