プロンプトリーキング

Auditing Data Provenance in LLM Fine-tuning via Intrinsic Distributional Fingerprints

Authors: Zirui Huang, Yunlong Mao, Wei Tong, Tingting Wu, Xin Ge, Sheng Zhong | Published: 2026-08-03
プロンプトインジェクション
プロンプトリーキング
透かし技術の堅牢性

MIND: Lightweight and Effective Memory Injection Defense for LLM Agents via Intent-Aware Information Bottleneck

Authors: Dongyi Liu, Haixing He, Xiaobao Wu, Jia Li | Published: 2026-07-30
プロンプトリーキング
メモリ防御問題
毒データの検知

Forecasting Trajectory-Level Safety Risks in Black-Box Multi-Turn Interactions

Authors: Shi Lin, Peng Qian, Dinghao Liu, Renjie Sun, Sifan Wu, Dezhang Kong, Chenpei Wang, Xun Wang | Published: 2026-07-29
プロンプトリーキング
リスク評価
早期検出手法

Architectural Backdoors in Vision-Language Model Supply Chains via Representation Steering

Authors: Maria Rosaria Briglia, Igor Maljkovic, Antonio Emanuele Cinà, Luca Oneto, Iacopo Masi, Fabio Roli | Published: 2026-07-28
トリガー検出
バックドアモデルの検知
プロンプトリーキング

When LLM Defenses Backfire: Characterizing Safety, Performance, and Cost Trade-offs

Authors: Tong Zhang, Zexin Li, Simin Chen, Yun Peng | Published: 2026-07-27
LLMの安全機構の解除
プロンプトリーキング
モデル保護手法

Defense Against LLM Backdoors using Critical Neuron Isolation Pruning

Authors: Yuxi Li, Zhibo Zhang, Kailong Wang, Xingshuo Han, Ling Shi, Haoyu Wang | Published: 2026-07-22
LLMの安全機構の解除
プロンプトリーキング
モデル保護手法

The safety failures we are not instrumenting: a perspective on hidden safety-critical challenges in modern AI systems

Authors: Gjergji Kasneci, Enkelejda Kasneci | Published: 2026-07-21
AIシステムの関係性
プロンプトリーキング
リスク評価

Data Leakage Prevention in Agentic Applications via Preemptive Hardening

Authors: Akansha Shukla, Emily Bellov, Parth Atulbhai Gandhi, Yuval Elovici, Asaf Shabtai | Published: 2026-07-21
データ侵害リスク
プロンプトリーキング
攻撃手法の効果

Dynamic Defense Profiling Enables Cognitive Jailbreak of Text-to-Image Models

Authors: Dongdong Yang, Deyue Zhang, Zhao Liu, Zonghao Ying, Wenzhuo Xu, Jiankai Jin, Xiangzheng Zhang, Quanchen Zou | Published: 2026-07-20
プロンプトリーキング
モデル性能評価
敵対的攻撃手法

Open-Source Intelligence for Code Provenance and the Security Patterns that Separate Human and Large-Language-Model Implementations of Common Programming Tasks

Authors: Mohammadreza Rashidi | Published: 2026-07-14
プロンプトリーキング
モデル抽出攻撃
情報セキュリティ