计算机科学 > 密码学与安全
[提交于 2024年12月31日
]
标题: 基于多维攻击与防御的大型模型生成安全性增强方法
标题: A Method for Enhancing the Safety of Large Model Generation Based on Multi-dimensional Attack and Defense
摘要: 目前,大型模型在面对复杂攻击指令时容易生成有害内容,显著降低了其防御能力。 为解决这个问题,本文提出了一种基于构建与多维攻击防御对齐的数据的方法,以增强大型模型的生成安全性。 我们方法的核心在于通过创新性地增加攻击指令维度的多样性以及生成安全响应的准确性,来提高大型模型的安全对齐学习效果。 为了验证我们方法的有效性,除了现有的安全评估基准外,我们还设计了新的安全评估基准,并使用Llama3.2作为基线模型进行了对比实验。 最终的实验结果表明,我们的方法可以在复杂指令攻击下显著提升大型模型的生成安全性,同时保持并增强模型的通用能力。
文献和引用工具
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
推荐器和搜索工具
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.