新闻详情

新闻详情

首页 / 资讯中心 / 详情

CoCoTen: Detecting Adversarial Inputs to Large Language Models through Latent Space Features of C...

发布时间:2026/11/16 10:57:31来源:尧图网络
CoCoTen: Detecting Adversarial Inputs to Large Language Models through Latent Space Features of C...
文章主要内容和创新点主要内容本文针对大型语言模型(LLMs)易受越狱攻击(通过精心设计的提示词绕过安全协议,生成有害内容)的问题,提出了一种基于上下文共现张量潜在空间特征的检测方法——CoCoTen。该方法通过以下步骤实现检测:构建上下文共现矩阵:对输入提示词,在滑动窗口(通常5-10个token)内计算词与词的共现关系,生成共现矩阵;堆叠为张量:将多个提示词的共现矩阵堆叠为三维张量(维度为词汇量×词汇量×提示词数量);张量分解提取特征:使用CANDECOMP/PARAFAC(CP)分解张量,得到捕获提示词潜在特征的嵌入矩阵;半监督分类:基于嵌入矩阵,使用K近邻(KNN)算法(半监督学习)区分良性提示和越狱提示。实验结果显示,CoCoTen在少标签数据场景下表现优异(仅使用0.5%的带标签提示时,F1分数达0.83,较基线提升96.6%),且运行速度是基线方法的2.3-128.4倍,同时能通过词汇中心性对提示词的对抗性进行排序,为LLM安全防护提供了高效工具。创新点基于上下文共现张量的潜在特征提取:首次将上下文共现矩阵堆叠为张量,通过张量分解捕获提示词的深层结构模式,有效区分良性与越狱提示;适用于少标签数据场景:在仅使用0.5%-5
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉