Recent Advances in Attack and Defense Approaches of Large Language Models
专题命中 越狱攻击 :safety(abstract);分类 cs.AI
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
专题命中 越狱攻击 :safety(abstract);分类 cs.AI
专题命中 越狱攻击 :safety(abstract);分类 cs.AI
Comments 10 pages, 7 figures, under review
专题命中 越狱攻击 :jailbreak(abstract);分类 cs.LG
Comments 15 pages, 11 figures
专题命中 越狱攻击 :safety(abstract);分类 cs.AI
专题命中 越狱攻击 :safety(abstract);分类 cs.CL
专题命中 越狱攻击 :DPO(abstract);分类 cs.AI
专题命中 越狱攻击 :trustworthy(abstract);分类 cs.AI
专题命中 越狱攻击 :safety(abstract);分类 cs.AI
专题命中 越狱攻击 :jailbreak(abstract);分类 cs.LG
专题命中 越狱攻击 :jailbreak(abstract);分类 cs.CL
专题命中 越狱攻击 :prompt injection(abstract);分类 cs.AI
Comments 15 pages
专题命中 越狱攻击 :jailbreak(abstract);分类 cs.AI
Comments Accepted at the 33rd USENIX Security Symposium (USENIX Security '24). The data and code are available at https://github.com/idllresearch/malicious-gpt
专题命中 越狱攻击 :jailbreak(abstract);分类 cs.AI
Comments Website, see https://sites.google.com/view/promptware
专题命中 越狱攻击 :prompt injection(abstract);分类 cs.CL
专题命中 越狱攻击 :safety(abstract);分类 cs.CL
Comments ACL 2024 Main Conference
专题命中 越狱攻击 :safety(abstract);分类 cs.LG
Comments Proceedings of the 41 st International Conference on Machine Learning (ICML 2024)
专题命中 越狱攻击 :alignment(abstract);分类 cs.LG
专题命中 越狱攻击 :safety(abstract);分类 cs.LG
Comments Published as a conference paper at the International Conference on Learning Representations (ICLR 2024). Code is available at https://brusliattack.github.io/
专题命中 越狱攻击 :alignment(abstract);分类 cs.AI
Comments 6pages, accepted to ICRA 2024
专题命中 越狱攻击 :alignment(abstract);分类 cs.AI
专题命中 越狱攻击 :jailbreak(abstract);分类 cs.AI
专题命中 越狱攻击 :safety(abstract);分类 cs.AI
Comments Project website: https://sites.google.com/view/cav-sec/pass
专题命中 越狱攻击 :safety(abstract);分类 cs.CL
专题命中 越狱攻击 :alignment(abstract);分类 cs.AI
Comments Accepted to ICLR 2024
专题命中 越狱攻击 :jailbreak(abstract);分类 cs.CL
Comments Accepted at LREC-COLING 2024 - The 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation
专题命中 越狱攻击 :alignment(abstract);分类 cs.LG
专题命中 越狱攻击 :jailbreak(abstract);分类 cs.CL
专题命中 越狱攻击 :prompt injection(abstract);分类 cs.AI
Comments SPIE DCS 2024
专题命中 越狱攻击 :safety(abstract);分类 cs.AI
Comments 13 pages,3 figures
专题命中 越狱攻击 :safety(abstract);分类 cs.AI