-
作者何润培
-
简介
《SCPGA：自认同CoT渐进式泛化攻击》由萨塞克斯大学何润培提出，揭示了一种新型大模型越狱技术。该方法利用模型间思维链（CoT）的兼容性，通过“种子诱导—强CoT生成—恶意嵌套”流程，实现跨模型、跨主题的自动化攻击。实验显示，SCPGA对Gemini 2.5 Pro、Qwen3等主流模型越狱成功率高达94%–97%，并可引发内容安全、工具滥用、系统泄露等多类风险。文章进一步提出基于微调审核模型的轻量防御方案，为LLM安全防护提供了新思路。
-
提示本站仅做资料的整理和索引,转载引用请注明出处
相关推荐
-
2025-10-29 14:17:53.055980 -
2025-08-15 01:49:40.047580 -
2025-10-29 14:10:25.529300 -
2025-08-15 02:27:17.627774
附件下载
-
09SCPGA：自认同CoT渐进式泛化攻击（何润培）.pdf