网安资讯详情 - SecLens 情报雷达

拒绝背后：通过行为监控确定护栏激活

来源： seebug_paper_rss · 发布时间 2026-07-07 16:33 (UTC+08:00) · 抓取时间 2026-07-13 13:55 (UTC+08:00)

原文链接

摘要

作者：William Hackett, Peter Garraghan 原文链接：https://arxiv.org/pdf/2607.02121v1 摘要 随着大型语言模型（LLM）和智能体系统融入实际应用，确保其安全性和保障性变得至关重要。用于检测并拦截发送至LLM及从LLM发出的恶意指令的护栏系统，是AI安全的关键组成部分。然而，针对生产级AI系统进行黑盒对抗模拟的研究人员，常常难以判断是护...

标签

• source:seebug
• type:paper

扩展字段

{
  "guid": "https://paper.seebug.org/3496"
}