跳到正文
arXiv · AI· Wenbin Chen, Jiexin Wang, Guanting Wu, Jiaxi Liang, Yi Cai·· 2026-10-14AI 评分34

SpecCloak:通过工程规范探测有害代码生成

SpecCloak: Probing Harmful Code Generation through Engineering Specifications

AI 导读

研究提出黑盒红队框架 SpecCloak 和防御原型 SpecReveal,以工程规范形式探测大语言模型有害代码生成安全边界。 SpecCloak 结合 PseudoSpec 模板与判别器引导优化,在 RedCode-Gen 基准上对 8 个目标模型平均执行验证攻击成功率为 28.91%。

来源:arXiv · AI · arxiv.org