跳到正文
arXiv · NLP· Kalyan Nakka, Nitesh Saxena·· 3 天前AI 评分26

BitBypass:利用比特流伪装越狱对齐大语言模型的新方向

BitBypass: A New Direction in Jailbreaking Aligned Large Language Models with Bitstream Camouflage

AI 导读

BitBypass 是一种利用比特流伪装的 Black-box 越狱攻击,在 GPT-4o、Claude 3.5 等 5 个模型上成功生成有害内容。 它利用数据的连续比特表示而非提示词工程,在隐蔽性和攻击成功率上优于多种 SOTA 越狱方法。 结果凸显了该攻击的高效性,并揭示了对齐 LLM 安全性的脆弱性。

来源:arXiv · NLP · arxiv.org