研究者提出PermaFrost-Attack预训练投毒框架
热点事件持续更新
研究者提出PermaFrost-Attack预训练投毒框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Harsh Kumar等作者发表论文，提出名为PermaFrost-Attack的预训练投毒框架，并给出Stealth Pretraining Seeding（SPS）威胁模型。该框架设定攻击者把少量投毒内容散布在隐蔽网站，使其更易被Common Crawl等未来训练语料来源收录，从而在LLM训练中埋植“逻辑地雷”。 论文同时提出三种几何诊断方法：Thermodynamic Length、Spectral Curvature和Infection Traceback Graph，用于检测潜在概念投毒。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
PermaFrost-Attack：通过 Stealth Pretraining Seeding 在 LLM 训练中埋植逻辑地雷报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIPermaFrost-Attack：通过 Stealth Pretraining Seeding 在 LLM 训练中埋植逻辑地雷
研究者提出 Stealth Pretraining Seeding（SPS）威胁模型，攻击者将少量投毒内容散布在隐蔽网站，使其更易被 Common Crawl 等来源纳入未来训练语料。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。