跳到主要内容
检索

# SkillDRE

1 篇关联报道

订阅更新
  1. arXiv

    SkillDRE 用预执行扫描与运行时反馈的双阶段闭环进化恶意技能,在 SkillsBench 四个受害模型上平均攻击成功率 45.28%

    SkillDRE 是一个全自动框架,给定良性任务及其关联技能后,自主构造并验证任务条件下的恶意目标与可验证判定规则,并在保持二者固定的前提下,通过扫描器引导的进化与运行时防御反馈引导的细化交替迭代,使完整恶意技能包在预执行扫描与运行时防御两个阶段之间形成闭环,在 SkillsBench 上对四个受害模型取得 45.28% 的平均攻击成功率,比最强基线高出 40.3%,且最终提交的技能未触发任何 SkillScan 发现并大体保留良性任务性能。

已读完全部报道