扫描记录
昨天 · 11月19日已载入 40 条
- 你能让模型相信提示词中的虚假事实吗?
论文arXiv:对齐、欺骗与监督你刚才看的这条
- 仓库部署智能体中的依赖伪造
论文arXiv:对齐、欺骗与监督
- Nudge Security 报告:AI 智能体继承员工访问权限,使用情况无人监督
新闻Help Net Security AI事件
- 高风险 AI 应用场景中利益相关者间控制与问责的协商:ALIGN 方法的开发与评估
论文arXiv:其他 AI 安全论文
- RECLAIM:借助具身注意力反馈、由机器人视觉信息引导的对抗补丁防御
论文arXiv:其他 AI 安全论文
- Truthgate:对照编码智能体无法编辑的记录核查其行为——不可能任务上的作弊、威慑与披露
论文arXiv:其他 AI 安全论文
- PGPO:面向隐私保护 LLM 增强推荐的原型引导渐进式混淆
论文arXiv:其他 AI 安全论文
- Kaer:面向多智能体系统的安全感知重规划
论文arXiv:其他 AI 安全论文
- 在联邦学习中精确窃取其他客户端的训练数据
论文arXiv:其他 AI 安全论文
- 限制在于输入而非模型:工业控制器自然语言接口中依赖状态的命令安全
论文arXiv:其他 AI 安全论文
- 针对信息物理系统上系统辨识攻击的基于梯度的防御性投毒
论文arXiv:其他 AI 安全论文
- GateWatch:用布尔电路实现低开销 LLM 监控
论文arXiv:其他 AI 安全论文
- SCR:通过干净参照残差检测后门投毒样本
论文arXiv:其他 AI 安全论文
- 用 Continuation Audits 在真实场景中探测智能体的过度主动行为
论文arXiv:其他 AI 安全论文
- 无物可申报:转向单个神经元会增加智能体团队中的隐瞒行为
论文arXiv:其他 AI 安全论文
- PIPETTE:面向鲁棒 LLM 智能体的提示注入紫队测试
论文arXiv:其他 AI 安全论文
- 权重空间编程能否改变模型习得的伦理优先级?
论文arXiv:其他 AI 安全论文
- AutoPI:分类法引导的 LLM 智能体提示注入自适应红队测试
论文arXiv:其他 AI 安全论文
- 当洗牌失效时:从被混淆的 KV 缓存中恢复 token
论文arXiv:其他 AI 安全论文
- 从文本到像素的转变中什么得以幸存?渲染为图像的文档中对提示注入的条件性保护
论文arXiv:其他 AI 安全论文
- 学习协调:面向 token 高效红队测试的 LLM 引导工作流演化
论文arXiv:其他 AI 安全论文
- 在计算的 AI 王朝中守护技能型智能体王国:智能体技能的控制流完整性
论文arXiv:其他 AI 安全论文
- VESPA:面向安全强化学习的可验证符号策略自适应
论文arXiv:其他 AI 安全论文
- 意图契约:把工具从智能体手中拿走
论文arXiv:其他 AI 安全论文
- SCAFFOLD:迈向可复用 LLM 智能体技能的凭证保全式证据迁移
论文arXiv:其他 AI 安全论文
- 决策模型何时能帮助 LLM 驱动的网络发现?
论文arXiv:其他 AI 安全论文
- 对固定线性擦除的秩一绕过
论文arXiv:其他 AI 安全论文
- 称量信封:单个 LLM 智能体信封层防御中的组件权重与仲裁
论文arXiv:其他 AI 安全论文
- DetectViT:基于头间注意力差异的 Vision Transformer 测试时后门检测
论文arXiv:其他 AI 安全论文
- 针对本地差分隐私三角形计数协议的数据投毒攻击
论文arXiv:其他 AI 安全论文
- Safe Personal RSI:评估与修复个人智能体更新
论文arXiv:其他 AI 安全论文
- ACaM:面向智能体安全的自动化能力建模
论文arXiv:其他 AI 安全论文
- 训练语言模型进行内省监督
论文arXiv:其他 AI 安全论文
- TRACE-MAS:诊断与修复多智能体系统中的协作失败
论文arXiv:其他 AI 安全论文
- 长程 LLM 智能体的安全防护与审计:智能体 Harness 中的状态转移审计与控制
论文arXiv:其他 AI 安全论文
- 能力不对称下人类与 AI 的互利关系不稳定
论文arXiv:其他 AI 安全论文
- YUL:将软件供应链安全引入编码智能体
论文arXiv:其他 AI 安全论文
- 检查智能体工具的重试透明性
论文arXiv:其他 AI 安全论文
- 谁改动了 AI 智能体的规则?度量 AI 编码智能体如何在 CI/CD 流水线中扩张权限
论文arXiv:其他 AI 安全论文
- 智能体原生应用:一种新的应用范式
论文arXiv:其他 AI 安全论文