跳到正文
10月12日 · 周一

全部论文

找到 3篇
筛选3

攻击类型

越狱47提示注入25投毒与后门19提取与窃取3检测规避21

攻击技术

自动化搜索6编码与混淆2角色扮演与说服3侧信道4针对防御1

影响

数据与隐私泄露3

系统形态

模型与 API3
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 247篇还没打标签，不在筛选结果里。
攻击类型：提取与窃取攻击技术：编码与混淆攻击技术：针对防御清除全部

另有247篇论文还没打上分类标签，暂不在筛选结果里。

  1. 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

    arXiv
    2609.10117
    发表
    层
    模型层
    场景
    模型与 API
    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
  2. 攻击arXiv 2604.01039

    评估与加固 LLM 系统指令以抵御编码攻击提取

    用编码与结构化请求抽取系统指令，并用 CoT 改写加固

    arXiv
    2604.01039
    发表
    层
    提示层
    场景
    模型与 API
    攻击者
    黑盒
    被测模型
    GPT-4.1-mini、GPT-3.5-turbo、Gemini-2.5-flash 等7个
    摘要编码式请求可在直接拒答后引出系统指令。

    这项工作评测并加固 LLM 系统指令在编码式抽取下的保密性。作者关心的是：直接抽取已被拒绝时，把同一请求改写成格式化或编码任务，模型是否仍交出受保护内容。

    深度解读完整解读
  3. 攻击arXiv 2601.01296

    激进压缩使大语言模型权重窃取成为可能

    提出面向渗出的权重压缩，评估推理服务器权重窃取可行性

    arXiv
    2601.01296
    发表
    层
    基础设施层
    场景
    模型与 API
    攻击者
    白盒
    被测模型
    Qwen2-1.5B、Qwen2-7B、Qwen2.5-1.5B 等8个
    摘要作者用残差量化加微调压缩权重，并称法医水印便宜且微调后仍可解码。

    这篇工作把 LLM 权重渗出看成 APT：攻击者已有未加密权重，但必须把完整权重藏进推理 API 的合法输出。作者认为可压缩性是被忽略的因素，因为推理量化要求解压后仍能低开销前向，而偷权重的人可以接受事后微调。

    深度解读完整解读
已经到底了