Conger_2002的博客

The SkipSponge Attack: Sponge Weight Poisoning of Deep Neural Networks

将LLM引入推荐系统 recommender systems (RS)，存在潜在脆弱性：攻击者可以在测试阶段改变目标项目的文本内容（标题、描述）来提高目标项目的曝光率，而不需要直接干扰模型的训练过程。攻击很隐蔽的，不会影响整体推荐性能。

.md文件使用超全语法笔记

越狱攻击：通过**设计输入** 欺骗模型 生成不当内容。

新型拒绝服务（DoS）攻击。与传统的Dos不同，这种攻击利用了LLM安全机制中的假阳性问题。

基于数据投毒的DoS攻击（P-DoS），通过注入设计用于DoS目的的恶意样本，突破输出长度限制。

COERCING LLMS TO DO AND REVEAL (ALMOST) ANYTHING针对llm的对抗性攻击目标不止越狱，攻击目标还有 误导、模型控制、拒绝服务或数据提取。

点击绿色按钮“创建新项目”后，可以新建空白项目，可以选择模板直接往模板里添加内容,或者可以上传自己的项目。latex格式的公式可以搜在线latex编辑，（可以图片转公式，但只有三次免费使用机会）注册账户后并登录后进入这个界面，创建的所有历史项目会在这个界面显示，后期可以继续修改。宏包后, 我们就可以用这样的命令切换颜色, 我们一般使用。有些时候图片太大，放在双栏部分图片难以完全且很好的展示出来，的公式，用$ $符号 $宏包并配合特定颜色名字来设定颜色.\textbf{文本}

我们生活在一个由多种模态（Multimodal）信息构成的世界，包括视觉信息、听觉信息、文本信息、嗅觉信息等等，当研究的问题或者数据集包含多种这样的模态信息时我们称之为多模态学习多模态机器学习旨在处理学习（视觉，听觉，语言等）不同模态融合交织的信息。