攻击与测试
攻击面分析与理论
- 保护人工智能系统和LLM栈的重要性:AI模型、LLM实施和安全方法论
- 技术分享|LLM-大语言模型应用安全解析
- GPTs攻击面研究与分析
- 漏洞挖掘 | 挖SRC的新思路?一文详解国内AI场景漏洞挖掘
- 金融行业的人工智能安全风险研究
- 大语言模型 (Large Language Model,简称LLM) 安全之攻击面初探
- 实战解读:Llama 3 安全性对抗分析
测试框架与方法
- 针对大语言模型的通用对抗性攻击
- 大模型安全测试入门指南
- 技术实践|百度安全「大模型内容安全」高级攻击风险评测
- 大语言模型 (LLM) 安全性测评基准 v1.0
- WDTA: 大语言模型安全测试方法
- SuperCLUE-Safety:中文大模型多轮对抗安全基准
Prompt注入攻击
- ChatGPT安全风险 | 基于LLMs应用的Prompt注入攻击
- 《大语言模型(LLM)攻防实战手册》第一章:提示词注入 概述 / 直接提示词注入(越狱) / 间接提示词注入 / 图解提示词注入
- 通过命令提示注入来攻击大语言模型
- 黑化AI,将恶意“注入”ChatGPT
- ChatGPT安全风险 | 基于LLMs应用的Prompt注入攻击
- AI安全|LLM 01 提示词注入
敏感信息泄露攻击
内容安全
LLM应用攻击
- ChatGPT账户接管-Web缓存欺骗
- 启明星辰ADLab | 首个攻击ChatGPT应用项目窃密活动
- 某”基于ChatGPT“开源项目引发的交互接口getshell
- 使用国内私人部署ChatGPT风险分析
传统安全
最后更新于