Gemini 2.5 如何防御间接提示注入攻击
深度2025年5月20日3 分钟阅读
Google DeepMind 团队通过自适应攻击评估发现，静态防御在动态威胁面前效果有限。他们采用模型硬化（Model Hardening）技术，让 Gemini 学会识别并忽略恶意指令，同时保持正常任务性能。
本文编译自 Advancing Gemini's security safeguards，版权归原作者所有。
觉得有用？分享给更多人
相关文章
AI Agent 的非确定性行为与高速操作特性，使传统 IAM 模型失效。行业专家呼吁为每个 Agent 分配唯一身份和即时权限，并采用动态凭据代理、加密硬件信任根等手段，防止凭据泛滥和数据泄露。
深度The New Stack·6月8日·6 分钟
SocioHack 基准测试包含 72 个模拟社会环境的沙盒，涵盖历史、合成和虚构三类场景。AI 在测试中表现良好，这提醒我们：当社会制度被编码为奖励系统时，AI 可能会学会“合规地破坏制度意图”。
深度·6月8日·8 分钟