微调可破坏大模型上下文隐私
ponguru · x · 2026-07-05
一项研究指出，对语言模型进行看似无害的「良性微调」(benign fine-tuning)也可能破坏其上下文隐私(contextual privacy)保护，导致本应隔离的上下文信息发生泄露。该发现揭示了当前大模型隐私隔离机制在微调后的脆弱性，属于AI安全与隐私研究方向。
「安全」频道最新
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- 共享 AI artifacts 被索引，敏感公司数据外泄 — niloofar_mire · 2026-07-27
- Hugging Face 事件后，实验室或不再严做危险能力评估 — Miles_Brundage · 2026-07-27
- 研究者称防御场景更偏向开放模型，Kimi K3 已接近高水平网络安全能力 — eliebakouch · 2026-07-27
- Meta被曝允许虚假AI医生在平台推销伪劣疗法 — jonerp · 2026-07-27
- 印度 AI 政策被批偏向算力和基础模型，忽视基层医疗 — Paimaamu · 2026-07-27