
SilentStriker 论文总结与核心内容翻译
一、文章主要内容
本文聚焦大型语言模型(LLMs)的硬件级安全威胁,提出一种名为 SilentStriker 的隐蔽性位翻转攻击(BFA)方法。位翻转攻击通过利用DRAM等硬件漏洞(如RowHammer效应)篡改模型权重参数,进而影响模型性能,但现有方法存在无法平衡性能降级与输出自然度的缺陷——要么攻击效果有限(如PrisonBreak仅绕过安全机制,不影响常规任务性能),要么输出混乱易被检测(如GenBFA导致输出无意义,困惑度激增)。
SilentStriker的核心目标是在大幅降低LLMs任务性能的同时,保持生成文本的流畅性和连贯性,实现隐蔽攻击。文章通过设计全新的损失函数、迭代式渐进搜索策略,以及针对量化模型的优化方案,在多个主流LLM(如LLaMA-3.1-8B、Qwen3-8B等)和任务基准(DROP、GSM8K、TriviaQA-Wiki)上验证了方法的有效性:例如在INT8量化的LLaMA-3.1-8B-Instruct模型上,仅翻转50位即可将GSM8K任务准确率从65.7%降至7.6%,而生成文本的自然度评分仅从66.0微降至61.1,远优于现有基线方法。
二、创新点
- 首个针对LLMs的隐蔽性位翻转攻击
订阅专栏 解锁全文
1318



被折叠的 条评论
为什么被折叠?



