本研究提出了“镜像”概念，针对动态越狱攻击，提供自适应防御方法。通过动态生成安全提示，MirrorGuard显著提升了对越狱攻击的防御能力。

MirrorGuard: Adaptive Defense Against Jailbreak Attacks via Entropy-Guided Mirror Crafting
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证