SAILS：为更强的 LLM 后门攻击学习选择投毒集
Pick Your Poison: Learning to Select Poison Sets for Stronger LLM Backdoor Attacks
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究显示，在三个 LLaMA-3-8B 后门场景中，固定模型、干净数据和投毒数量时，仅因投毒集选择不同，攻击成功率就从 3% 波动到 80%。为此作者提出 SAILS，将投毒集选择形式化为带 oracle 预算的集合优化，用数百次微调-评估训练集合打分器，从数百万候选集中筛选并审计少量候选。
来源：Hugging Face Daily Papers · arxiv.org