Virus: Malicious Fine-tuning Attacks that Bypass Guard Mediators

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究探讨大型语言模型在微调过程中易受恶意攻击的问题,提出了一种新型“病毒”攻击方法,能够绕过数据过滤,泄露率高达100%,表明仅依赖守卫中介无法解决安全隐患。

🏷️

标签

➡️

继续阅读