arXiv · Machine Learning· Xiaohua Zhan, Kazuki Egashira, Robin Staab, Mark Vero, Martin Vechev·2026-10-28 12:00· 10 小时前AI 评分74

All-in-One：针对大语言模型变换的可组合攻击

All-in-One: A Composable Attack on LLM Transformations

AI 导读

研究团队提出可组合攻击框架，使攻击者训练的 LLM 在量化、剪枝或模型合并等部署变换发生时触发恶意行为。方法将各类变换近似为模型权重扰动，并联合训练原模型的良性损失与模拟变换后模型的恶意损失。实验覆盖多种攻击场景、模型家族和部署时模型变换，攻击取得较高成功率。