研究称投毒样本选择可使 LLM 后门攻击成功率暴增

Anthropic 在 Hugging Face 发布研究《Pick Your Poison: Learning to Select Poison Sets for Stronger Backdoor Attacks》，指出现有评估方法随机抽取固定数量的投毒样本，严重低估了模型的真实脆弱性。在三个 LLaMA-3-8B 后门攻击设定下，通过学习选择投毒样本，攻击成功率可从约 3% 提升至 80%，凸显 LLM 后门安全风险被显著低估。

2026-09-15 ~ 2026-09-15 · 2 条相关

• 投毒样本怎么选决定一切:LLM 后门攻击成功率可从 3% 到 80% — chaumian · 2026-09-15
• Anthropic 研究:学习选择投毒样本可大幅提升 LLM 后门攻击成功率 — Anthropic · 2026-09-15