本研究提出了一种新颖的自然语言处理方法，通过分层输入筛选提高大语言模型对提示注入攻击的检测准确性，尽管假阳性率上升，但有效降低了漏报风险。

护墙 -- 提示注入检测框架
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