
reverse-captcha-eval
Cadre d'évaluation qui teste si les grands modèles de langage suivent des instructions invisibles encodées en Unicode intégrées dans un texte…

Cadre d'évaluation qui teste si les grands modèles de langage suivent des instructions invisibles encodées en Unicode intégrées dans un texte…

Framework de défense qui atténue le fine-tuning malveillant des LLM en utilisant la récupération sélective de couches et le routage dynamique, avec…

Benchmark harness that evaluates LLM agent tool-calling security under long-horizon tasks, generating prompt-injection and tool-poisoning attacks and…

Framework de défense qui maintient les modèles audio-langage figés et ajoute une barrière de risque en couche intermédiaire avec des adaptateurs de…

Un benchmark de cycle de vie pour les attaques d'extraction de LLM en boîte noire, les défenses et les attaques adaptatives.

Implémentation de référence PyTorch d'une méthode d'entraînement adversarial rapide qui prévient le surapprentissage catastrophique via des objectifs…

Code de recherche pour mesurer les taux de réussite des attaques de type jailbreak (ASR et ASR par étapes) contre les LLM, avec des implémentations…

Boîte à outils de robustesse des filigranes IA à usage exclusivement de recherche : un proxy inverse local supprime C2PA/EXIF/XMP, Unicode, la…

Code de recherche reproduisant les expériences de jailbreak multi-tours sur les LLM (FITD, MRCJ, ActorAttack, X-Teaming) issues de l'article de…

Détecte les attaques de fuite de contexte des LLM en entraînant des sondes de comportement légères sur les log-probabilités, avec des pipelines de…

Local test range for agent memory poisoning - watch a planted memory steer an agent, then prove the repair. Synthetic targets, scripted deterministic…

Hook en mode noyau qui intercepte, déchiffre et neutralise le trafic de rapport BEDaisy-vers-service afin de supprimer la détection anti-triche sur…

Framework d'attaque de shilling de groupe agentique piloté par LLM qui manipule les classements de systèmes de recommandation à filtrage collaboratif…

Cadre de recherche pour détecter et supprimer les portes dérobées dans les modèles de langage, combinant la détection d'anomalies basée sur les…

[ICCV 2025] Protection anti-altération pour la génération non autorisée d'images individuelles

Architecture d'apprentissage profond résiliente aux adversaires pour la localisation intérieure 5G sécurisée, combinant CNN et attention multi-têtes…

Harnais de reproduction, correctifs et outils d'analyse pour auditer un benchmark de cyberdéfense basé sur l'apprentissage : capture les traces…

Une nouvelle attaque adverse contre les LLM basée sur la technique d'Exponentiated Gradient Descent.