⌘ K
… 读取采集状态 同步中...
雷
原文
量子位· 量子位·· 2026-09-02AI 评分42

人大与阿里联合提出LoD:0.25秒检测未见越狱攻击,全程未用任何攻击样本

0.25秒识破未见攻击,这套检测方法没看过任何越狱样本 | EMNLP'26

AI 导读

中国人民大学与阿里巴巴团队提出LoD检测框架,通过MSCAV和SPAE模块从大视觉语言模型内部激活中识别越狱攻击,且未使用任何攻击样本。该框架在三种LVLM上平均AUROC达0.98左右,单输入检测耗时0.25秒,相对最佳基线最高降低62.7%。LoD代码已开源,可支持在线检测。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:量子位 · mp.weixin.qq.com