CogBias 框架揭示 LLM 模型比特翻转安全漏洞
热点事件持续更新
CogBias 框架揭示 LLM 模型比特翻转安全漏洞
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
最新 arXiv 报道指出，Llama-3.2-3B 等模型极易受 CogBias 比特翻转攻击影响，可在部署后遭受隐蔽且低成本的决策级认知劫持。 该框架由 Yu Yan 等人提出，核心机制是通过差异化情感评估器将主观偏好转化为优化信号，结合多目标损失约束与 BitScout 工具精准定位关键比特。 研究表明，仅需翻转 LLM 权重中的极少量比特，即可实现上述攻击效果，凸显了当前大语言模型在权重层面的安全隐患。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
Llama-3.2-3B 等模型易受 CogBias 比特翻转攻击诱导决策级认知劫持报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · MLLlama-3.2-3B 等模型易受 CogBias 比特翻转攻击诱导决策级认知劫持
研究提出 CogBias 框架，证明仅需翻转 LLM 权重中的极少量比特，即可在部署后实现隐蔽且低成本的决策级认知劫持。该框架通过差异化情感评估器将主观偏好转化为优化信号，并利用多目标损失约束和 BitScout 定位关键比特。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。