研究团队提出可组合的模型变换攻击框架
热点事件持续更新
研究团队提出可组合的模型变换攻击框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Zhan等研究者提出一种可同时针对多种模型变换的攻击框架，使攻击者训练的语言模型在量化、剪枝或模型合并等任一变换应用后触发恶意行为。研究团队将这些变换近似为权重扰动，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。 研究团队称，实验覆盖多种攻击场景、模型家族和部署时变换，攻击取得较高成功率。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
All-in-One：针对大语言模型变换的可组合攻击报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningAll-in-One：针对大语言模型变换的可组合攻击
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。