建设网站的成本有哪些,龙岩做网站哪家最好,怎样在拼多多平台上卖货,什么样算网站需要备案GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区#xff0c;集成了生成预训练 Transformer#xff08;GPT#xff09;、人工智能生成内容#xff08;AIGC#xff09;以及大型语言模型#xff08;LLM#xff09;等安全领域应用的知识。在这里#xff0c;您可以… GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区集成了生成预训练 TransformerGPT、人工智能生成内容AIGC以及大型语言模型LLM等安全领域应用的知识。在这里您可以找到关于GPT/AIGC/LLM最新的研究论文、博客文章、实用的工具和预设指令Prompts。现为了更好地知悉近一周的贡献内容现总结如下。 Security Papers · LMSanitator: Defending Prompt-Tuning Against Task-Agnostic Backdoors
简介LMSanitator是一种检测和删除Transformer模型上与任务无关的后门的新方法。LMSanitator的目标不是直接反转触发器而是反转任务不可知后门的预定义攻击向量(当输入嵌入触发器时预训练模型的输出)从而实现更好的收敛性能和后门检测精度。
链接https://arxiv.org/pdf/2308.13904.pdf · Using ChatGPT as a Static Application Security Testing Tool
简介本文研究了在python源代码中使用ChatGPT进行漏洞检测的可行性。为了实现这一目标我们将适当的提示以及易受攻击的数据提供给ChatGPT并将其在两个数据集上的结果与三种广泛使用的静态应用程序安全测试工具(Bandit,Semgrep和SonarQube)的结果进行比较。我们使用ChatGPT进行了不同类型的实验结果表明ChatGPT降低了假阳性和假阴性率并且具有用于Python源代码漏洞检测的潜力。
链接https://arxiv.org/pdf/2308.14434.pdf · LLM in the Shell: Generative Honeypots
简介本文介绍了一种基于大型语言模型创建动态、逼真的软件蜜罐的新方法。初步结果表明LLM可以创建可信的动态蜜罐能够解决以前蜜罐的重要局限性如确定性响应缺乏适应性等。
链接https://arxiv.org/pdf/2309.00155.pdf · A Comprehensive Overview of Backdoor Attacks in Large Language Models within Communication Networks
简介在这项调查中我们系统地提出了LLM中使用通信网络的后门攻击的分类将其分为四大类:输入触发、提示触发、指令触发和演示触发攻击。此外我们对基准数据集进行了全面的分析。最后我们确定了潜在的问题和开放的挑战为未来的研究方向提供了有价值的见解以增强通信网络中LLM的安全性和完整性。
链接https://arxiv.org/pdf/2308.14367.pdf · Red-Teaming Large Language Models using Chain of Utterances for Safety-Alignment
简介大型语言模型(LLM)仅通过优化下一个单词的预测目标就以其强大的多任务处理能力席卷了世界。随着法学硕士的属性和编码知识的出现法学硕士产生有害产出的风险增加使其不适合为公众进行可扩展部署。在这项工作中我们提出了一个新的安全评估基准RED-EVAL来进行红队攻击。研究表明即使是广泛部署的模型也容易受到基于话语链(CoU)提示的影响此外还证明了RED-EVAL在8个开源LLM中的一致性在超过86%的红队尝试中产生了有害的响应。
链接https://arxiv.org/pdf/2308.09662.pdf · Prompt-Enhanced Software Vulnerability Detection Using ChatGPT
简介本文对不同提示符设计下的ChatGPT软件漏洞检测性能进行了研究。首先我们对之前的工作进行了补充对基本提示进行了各种改进。此外我们还加入了结构和顺序辅助信息来改进提示设计。此外我们利用ChatGPT记忆多轮对话的能力设计适合漏洞检测的提示符。我们在两个漏洞数据集上进行了大量的实验以证明使用chatgpt进行快速增强漏洞检测的有效性。我们还分析了使用chatgpt进行漏洞检测的优点和缺点。
链接https://arxiv.org/pdf/2308.12697.pdf
