# Reflex-Guard

2 篇关联报道

订阅更新

arXiv 2026年9月27日
Reflex-Guard 用本地稠密语义嵌入把提示安全过滤压到 37.6 毫秒，并在 30,568 条样本上取得 95.9% 有害提示召回
该工作提出 Reflex-Guard，一个本地运行的轻量级 LLM 提示安全护栏，结合越狱感知预处理、紧凑句向量嵌入与七个快速二分类器，在来自五个互补来源、共 30,568 条样本的平衡数据集上实现 95.9% 有害提示召回与 37.6 毫秒端到端延迟，快于 Llama Guard 2（255 毫秒）和 SafeDecoding（723 毫秒），默认阈值下可检出 100% 的 GCG 后缀攻击与 Base64 编码提示，而 DrAttack 结构化提示需将阈值降至 0.03 才能获得最佳检测效果。
该工作提出 Reflex-Guard，一个本地运行的轻量级 LLM 提示安全护栏，结合越狱感知预处理、紧凑句向量嵌入与七个快速二分类器，在来自五个互补来源、共 30,568 条样本的平衡数据集上实现 95.9% 有害提示召回与 37.6 毫秒端到端延迟，快于 Llama Guard 2（255 毫秒）和 SafeDecoding（723 毫秒），默认阈值下可检出 100% 的 GCG 后缀攻击与 Base64 编码提示，而 DrAttack 结构化提示需将阈值降至 0.03 才能获得最佳检测效果。
New Mexico State University BRAC University Osaka Metropolitan University Bangladesh University of Engineering and Technology
Istiaque Ahmed（第一作者）
Reflex-Guard 句子Transformer嵌入大模型提示词安全过滤
arXiv 2026年9月27日
Reflex-Guard 以 37.6 毫秒本地护栏实现 95.9% 有害提示召回，快于 Llama Guard 2 与 SafeDecoding
该工作提出 Reflex-Guard，一个本地运行的轻量级 LLM 提示安全护栏，结合越狱感知预处理、紧凑句向量嵌入与七个快速二分类器，在来自五个互补来源、共 30,568 条样本的平衡数据集上实现 95.9% 有害提示召回与 37.6 毫秒端到端延迟，快于 Llama Guard 2（255 毫秒）和 SafeDecoding（723 毫秒），默认阈值下可检出 100% 的 GCG 后缀攻击与 Base64 编码提示，而 DrAttack 结构化提示需将阈值降至 0.03 才能达到最佳检测。
该工作提出 Reflex-Guard，一个本地运行的轻量级 LLM 提示安全护栏，结合越狱感知预处理、紧凑句向量嵌入与七个快速二分类器，在来自五个互补来源、共 30,568 条样本的平衡数据集上实现 95.9% 有害提示召回与 37.6 毫秒端到端延迟，快于 Llama Guard 2（255 毫秒）和 SafeDecoding（723 毫秒），默认阈值下可检出 100% 的 GCG 后缀攻击与 Base64 编码提示，而 DrAttack 结构化提示需将阈值降至 0.03 才能达到最佳检测。
New Mexico State University BRAC University Osaka Metropolitan University Bangladesh University of Engineering and Technology
Istiaque Ahmed（第一作者）
Reflex-Guard 句子Transformer嵌入大模型提示词安全过滤

已读完全部报道

Reflex-Guard 用本地稠密语义嵌入把提示安全过滤压到 37.6 毫秒，并在 30,568 条样本上取得 95.9% 有害提示召回

Reflex-Guard 以 37.6 毫秒本地护栏实现 95.9% 有害提示召回，快于 Llama Guard 2 与 SafeDecoding