Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.17674

帮助 | 高级搜索

计算机科学 > 密码学与安全

arXiv:2508.17674 (cs)
[提交于 2025年8月25日 ]

标题: 攻击大型语言模型和人工智能代理:针对大型语言模型的广告嵌入攻击

标题: Attacking LLMs and AI Agents: Advertisement Embedding Attacks Against Large Language Models

Authors:Qiming Guo, Jinwen Tang, Xingran Huang
摘要: 我们引入了广告嵌入攻击(AEA),这是一种新的LLM安全威胁,它隐秘地将促销或恶意内容注入模型输出和AI代理中。 AEA通过两种低成本的攻击向量运作:(1)劫持第三方服务分发平台以添加对抗性提示,(2)发布经过攻击者数据微调的后门开源检查点。 与降低准确性的传统攻击不同,AEA破坏信息完整性,导致模型返回隐藏的广告、宣传或仇恨言论,同时看起来正常。 我们详细描述了攻击流程,确定了五个利益相关者受害者群体,并提出了一种基于提示的自我检查防御方法,在无需额外模型重新训练的情况下缓解这些注入。 我们的研究结果揭示了LLM安全领域一个紧迫且未得到充分解决的漏洞,并呼吁人工智能安全社区协调进行检测、审计和政策响应。
摘要: We introduce Advertisement Embedding Attacks (AEA), a new class of LLM security threats that stealthily inject promotional or malicious content into model outputs and AI agents. AEA operate through two low-cost vectors: (1) hijacking third-party service-distribution platforms to prepend adversarial prompts, and (2) publishing back-doored open-source checkpoints fine-tuned with attacker data. Unlike conventional attacks that degrade accuracy, AEA subvert information integrity, causing models to return covert ads, propaganda, or hate speech while appearing normal. We detail the attack pipeline, map five stakeholder victim groups, and present an initial prompt-based self-inspection defense that mitigates these injections without additional model retraining. Our findings reveal an urgent, under-addressed gap in LLM security and call for coordinated detection, auditing, and policy responses from the AI-safety community.
评论: 7页,2图
主题: 密码学与安全 (cs.CR) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2508.17674 [cs.CR]
  (或者 arXiv:2508.17674v1 [cs.CR] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.17674
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Qiming Guo [查看电子邮件]
[v1] 星期一, 2025 年 8 月 25 日 05:13:23 UTC (457 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.CR
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号