研究者提出可绕过数据级防御的投毒攻击

Andrew Draganov 等作者提出名为 Phantom Transfer 的数据投毒攻击，其特点是即使已知毒样本如何被植入良性数据集，也无法将其过滤掉；该攻击可绕过 11 种已测试的数据级防御，包括用另一模型对每个样本进行改写，并能向模型植入密码触发的行为。 作者称，攻击效果与数据生成模型、被训练模型及攻击目标无关，因此建议未来防御补充白盒方法与训练后模型审计。该论文已被 NeurIPS 2026 接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。