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8 小时前更新
先了解这件事
AI 综述
Harsh Kumar等作者提出并研究了一种名为PermaFrost-Attack的潜伏预训练投毒框架，用于在LLM训练中埋设“逻辑地雷”。其威胁模型称为Stealth Pretraining Seeding（SPS）：攻击者将少量投毒内容分散到隐蔽网站，使其更易被Common Crawl等来源吸收进未来训练语料。 作者同时提出三项几何诊断方法——Thermodynamic Length、Spectral Curvature和Infection Traceback Graph，用于检测此类潜伏概念投毒。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
PermaFrost-Attack：通过 Stealth Pretraining Seeding 在 LLM 训练中埋设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 训练中埋设逻辑地雷
研究者提出 Stealth Pretraining Seeding（SPS）威胁模型，攻击者将少量投毒内容分散到隐蔽网站，使其更易被 Common Crawl 等来源吸收进未来训练语料。
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。