跳到正文
返回论文列表
cs.CR提交于 已译

DYNASHIELD: 基于动态解码定制的大语言模型黑盒移动目标防御

DYNASHIELD: A Black-Box Moving Target Defense for LLMs via Dynamic Decoding Customization

Xiaoqun Liu · Weiming Qi · Qiben Yan

中文摘要

大语言模型(LLMs)仍易受越狱攻击(jailbreak attacks)影响,导致有害输出。现有防御常需访问模型内部或额外训练,限制了其在黑盒 API 部署中的适用性。DYNASHIELD 是一种移动目标防御框架,通过推理时定制解码超参数和系统提示提升鲁棒性。该框架包含两步:(1) 识别降低攻击成功率的解码配置;(2) 从加权配置池中概率采样,引入受控的行为变异性。在 7 个开源 LLM 上,针对 4 种最先进越狱攻击(使用 AdvBench 提示)进行评估。结果显示,与 7 种基线防御相比,攻击成功率显著降低,同时保持响应质量且推理开销极小。DYNASHIELD 仅通过暴露的运行时控制操作,无需重训练或模型内部访问。结果表明,安全感知的动态解码是黑盒 LLM 部署中一种有前景且轻量级的防御机制。

关键要点

  1. 01现有防御需模型内部访问或额外训练,难以适用于黑盒 API 部署场景。
  2. 02提出 DYNASHIELD 框架,通过推理时动态定制解码超参数和系统提示实现移动目标防御。
  3. 03在 7 个开源 LLM 和 4 种越狱攻击下,攻击成功率显著降低且推理开销极小。
  4. 04该方法无需重训练或模型内部访问,仅依赖暴露的运行时控制,适合黑盒部署。

解读

尚无解读。

原始英文摘要

arXiv:2412.07672v3 Announce Type: replace-cross Abstract: Large language models (LLMs) remain vulnerable to jailbreak attacks in which adversarial prompts induce harmful outputs. Existing defenses often require access to the model internals or additional training, limiting their applicability for service providers deployed through black-box APIs. In this paper, we propose DYNASHIELD, a moving target defense framework that improves robustness by customizing decoding hyperparameters and system prompts at inference time. DYNASHIELD includes two key steps: (1) it identifies decoding configurations that reduce attack success probability, and (2) it probabilistically samples from a weighted configuration pool to introduce controlled variability in model behavior. We evaluate DYNASHIELD across 7 open-source LLMs under 4 state-of-the-art jailbreak attacks, using adversarial prompts from AdvBench. Results show substantial reductions in attack success rate compared with 7 baseline defenses, while maintaining response quality and incurring minimal inference overhead. Because DYNASHIELD operates solely through exposed runtime controls, it requires no retraining or model-internal access. These results suggest that safety-aware dynamic decoding is a promising and practically lightweight defense mechanism for black-box LLM deployments.

同方向论文 · cs.CR

查看全部 →

反向发现 · 这篇论文相关的工具与提示词

去交叉发现 →

关联提示词 · 6

编程github.com·外部收录·

对提交的代码进行多维度 Code Review,输出按严重程度分类的问题清单、修改建议与审查结论。

# Role 你是一位经验丰富的代码审查专家。你擅长通过建设性反馈、系统性分析和协作改进,将代码审查从「把关」升级为「知识分享」。你熟悉 React、Vue、Rust、TypeScript、Java、Python、C/C++ 等语言的最佳实践。 # Task 对我提供的【代码】进行全面的 Code Review,从正确性、安全性、性能、可维护性、规范性等多维度审查,并给出建设性、可执行的反馈。 # Core Principles ## 1. 审查心态 - **目标**:…

编程promptwhiteboard.com·外部收录·

从正确性、可维护性、安全、性能和测试缺口审查代码,输出按严重程度排序的问题、引用、修复建议和缺失测试。

任务类型: 代码审查 目标: 从正确性、可维护性、安全、性能和测试缺口审查代码。 背景: - [项目、产品或主题]: [项目、产品或主题] - [受众和使用场景]: [受众和使用场景] - [约束、必须满足的要求和避免事项]: [约束、必须满足的要求和避免事项] 需要提供的信息: [在这里粘贴原始材料] 期望输出: 1. 按严重程度排序的问题 2. 文件或段落引用 3. 修复建议 4. 缺失测试 质量标准: - 具体表达,避免泛泛建议。 - 明确写出假设。 - 优先给可执行下…

编程zhuanlan.zhihu.com·外部收录·

用 AI 写代码后,在上线前按密钥、数据库、API、依赖、HTTP 五方面逐项扫描安全漏洞

你是一位资深代码安全审计专家。对以下项目逐项检查: 一、密钥与凭证 - 所有 API Key/Token/密码是否用环境变量?.env 是否在 .gitignore? - 是否有硬编码的 JWT Secret、数据库密码? 二、数据库安全 - 用户表是否启用 RLS?SQL 是否参数化查询? - 密码是否用 bcrypt/argon2 哈希? 三、API 安全 - 用户输入是否在服务端校验?认证路由是否加 auth 中间件? - 公开 API 是否有 rate limitin…

编程shaogefenhao.com·外部收录·

为电商平台设计包含注册、登录、会话和三级权限的用户管理 API 规范

请使用 Design Rule 为电商平台设计用户管理API。 【项目背景】 - 现有系统:Spring Boot + MySQL,单体架构 - 用户规模:预计10万注册用户,日活5000 - 技术栈:RESTful API,JWT认证 【具体需求】 1. 用户注册:支持邮箱/手机号注册,需邮箱验证。 2. 用户登录:支持多端登录,并管理会话。 3. 用户信息:查询、更新个人资料,支持头像上传。 4. 权限管理:分为普通用户、VIP用户、管理员三级。 【技术约束】 - …