Securing Large Language Models (LLMs) from Prompt Injection Attacks Authors: Omar Farooq Khan Suri, John McCrae | Published: 2025-12-01 インダイレクトプロンプトインジェクションサイバーセキュリティ防御手法の効果分析 2025.12.01 文献データベース
SPEAR++: Scaling Gradient Inversion via Sparsely-Used Dictionary Learning Authors: Alexander Bakarsky, Dimitar I. Dimitrov, Maximilian Baader, Martin Vechev | Published: 2025-10-28 スパース性の影響プライバシー保護防御手法の効果分析 2025.10.28 文献データベース
Untargeted Jailbreak Attack Authors: Xinzhe Huang, Wenjing Hu, Tianhang Zheng, Kedong Xiu, Xiaojun Jia, Di Wang, Zhan Qin, Kui Ren | Published: 2025-10-03 | Updated: 2025-10-28 プロンプトインジェクションプロンプトリーキング防御手法の効果分析 2025.10.03 文献データベース
PandaGuard: Systematic Evaluation of LLM Safety in the Era of Jailbreaking Attacks Authors: Guobin Shen, Dongcheng Zhao, Linghao Feng, Xiang He, Jihang Wang, Sicheng Shen, Haibo Tong, Yiting Dong, Jindong Li, Xiang Zheng, Yi Zeng | Published: 2025-05-20 LLMの安全機構の解除プロンプトインジェクション防御手法の効果分析 2025.05.20 文献データベース
FlowPure: Continuous Normalizing Flows for Adversarial Purification Authors: Elias Collaert, Abel Rodríguez, Sander Joos, Lieven Desmet, Vera Rimmer | Published: 2025-05-19 堅牢性向上手法敵対的学習防御手法の効果分析 2025.05.19 文献データベース
Secure Transfer Learning: Training Clean Models Against Backdoor in (Both) Pre-trained Encoders and Downstream Datasets Authors: Yechao Zhang, Yuxuan Zhou, Tianyu Li, Minghui Li, Shengshan Hu, Wei Luo, Leo Yu Zhang | Published: 2025-04-16 バックドアモデルの検知学習の改善防御手法の効果分析 2025.04.16 文献データベース
STShield: Single-Token Sentinel for Real-Time Jailbreak Detection in Large Language Models Authors: Xunguang Wang, Wenxuan Wang, Zhenlan Ji, Zongjie Li, Pingchuan Ma, Daoyuan Wu, Shuai Wang | Published: 2025-03-23 プロンプトインジェクション悪意のあるプロンプト防御手法の効果分析 2025.03.23 2025.04.03 文献データベース
Bias Busters: Robustifying DL-based Lithographic Hotspot Detectors Against Backdooring Attacks Authors: Kang Liu, Benjamin Tan, Gaurav Rajavendra Reddy, Siddharth Garg, Yiorgos Makris, Ramesh Karri | Published: 2020-04-26 ポイズニング深層学習技術防御手法の効果分析 2020.04.26 2025.04.03 文献データベース
Minimax Defense against Gradient-based Adversarial Attacks Authors: Blerta Lindqvist, Rauf Izmailov | Published: 2020-02-04 敵対的摂動手法敵対的移転性防御手法の効果分析 2020.02.04 2025.04.03 文献データベース
Defending Adversarial Attacks via Semantic Feature Manipulation Authors: Shuo Wang, Tianle Chen, Surya Nepal, Carsten Rudolph, Marthie Grobler, Shangyu Chen | Published: 2020-02-03 | Updated: 2020-04-22 ロバスト性向上手法敵対的サンプル防御手法の効果分析 2020.02.03 2025.04.03 文献データベース