全部论文

隐形安全威胁：通过隐写术对 LLM 进行恶意微调

提出隐写恶意微调，使模型界面显良性并隐蔽传出有害内容

arXiv

2603.08104

发表

3月9日

层

训练与数据层

场景

模型与 API

攻击者

白盒

被测模型

GPT-4.1-2025-04-14、Llama-3.3-70B-Instruct、Phi-4 等7个

• 攻击模型篡改
• 技术编码与混淆
• 组件微调与开源权重
• +3+3