AAAI 2026 大模型安全相关论文整理

news2026/4/11 18:50:49
AAAI 2026 大模型安全相关论文整理总目录 大模型安全研究论文整理 2026年版https://blog.csdn.net/WhiffeYF/article/details/159047894https://claude.ai/chat/916dfe36-9753-4199-baa2-44fc2f709fb6统计共收集 27 篇论文来自 AAAI 2026第40届2026年1月新加坡主要来源AI Alignment 特别 TrackVol 40 No.44和主技术 TrackNLP / ML 等分类概览越狱攻击方法Jailbreak Attack10 篇安全防御与对齐Defense Alignment10 篇安全评估与基准Benchmark Evaluation4 篇隐私与数据安全2 篇智能体安全Agent Safety1 篇1 越狱攻击方法Jailbreak Attackid论文名Track链接1MetaCipher: A Time-Persistent and Universal Multi-Agent Framework for Cipher-Based Jailbreak Attacks for LLMsAI AlignmentPDF2Differentiated Directional Intervention: A Framework for Evading LLM Safety AlignmentAI AlignmentPDF3HumorReject: Decoupling LLM Safety from Refusal Prefix via a Little HumorAI AlignmentPDF4StyleBreak: Revealing Alignment Vulnerabilities in Large Audio-Language Models via Style-Aware Audio JailbreakAI AlignmentPDF5STACK: Adversarial Attacks on LLM Safeguard PipelinesAI AlignmentPDF6Cost-Minimized Label-Flipping Poisoning Attack to LLM AlignmentAI AlignmentPDF7Chain-of-Thought Driven Adversarial Scenario Extrapolation for Robust Language ModelsAI AlignmentPDF8Response Attack: Exploiting Contextual Priming to Jailbreak Large Language ModelsMain Track (NLP)PDF9Multi-Turn Jailbreaking Large Language Models via Attention ShiftingMain Track (NLP)PDF10Exploiting Synergistic Cognitive Biases to Bypass Safety in LLMs (CognitiveAttack)Main Track (NLP)PDF2 安全防御与对齐Defense Alignmentid论文名Track链接1AlignTree: Efficient Defense Against LLM Jailbreak AttacksAI AlignmentPDF2EASE: Practical and Efficient Safety Alignment for Small Language ModelsAI AlignmentPDF3Efficient Switchable Safety Control in LLMs via Magic-Token-Guided Co-TrainingAI AlignmentPDF4STAR-1: Safer Alignment of Reasoning LLMs with 1K DataAI AlignmentPDF5CluCERT: Certifying LLM Robustness via Clustering-Guided Denoising SmoothingAI AlignmentPDF6WALKSAFE: Risk-aware Graph Random Walk with Bi-GRPO for LLM SafetyMain Track (NLP)PDF7DAVSP: Safety Alignment for Large Vision-Language Models via Deep Aligned Visual Safety PromptAI AlignmentPDF8Uncovering and Aligning Anomalous Attention Heads to Defend Against NLP Backdoor AttacksAI AlignmentPDF9MirrorShield: Towards Dynamic Adaptive Defense Against Jailbreaks via Entropy-Guided Mirror CraftingMain Track (NLP)dblp10AntiDote: Bi-level Adversarial Training for Tamper-Resistant LLMsMain Track (NLP)dblp3 安全评估与基准Benchmark Evaluationid论文名Track链接1Multi-Faceted Attack: Exposing Cross-Model Vulnerabilities in Defense-Equipped Vision-Language ModelsAI AlignmentPDF2MCA-Bench: A Multimodal Benchmark for Evaluating CAPTCHA Robustness Against VLM-based AttacksAI AlignmentPDF3MMJ-Bench: A Comprehensive Study on Jailbreak Attacks and Defenses for Vision Language ModelsMain TrackPDF4Benchmarking Trustworthiness in Multimodal LLMs for Video UnderstandingAI AlignmentPDF4 隐私与数据安全id论文名Track链接1CoSPED: Consistent Soft Prompt Targeted Data Extraction and DefenseAI AlignmentPDF2Towards Benchmarking Privacy Vulnerabilities in Selective Forgetting with Large Language ModelsAI AlignmentPDF5 智能体安全Agent Safetyid论文名Track链接1Shadows in the Code: Exploring the Risks and Defenses of LLM-based Multi-Agent Software Development SystemsAI AlignmentPDF6 其他相关论文对齐理论 / 推理安全 / 幻觉检测 / 可解释性等以下论文虽然不直接属于攻击/防御但与大模型安全密切相关id论文名方向链接1DNR Bench: Benchmarking Over-Reasoning in Reasoning LLMs推理冗余/OverthinkingPDF2Deep Hidden Cognition Facilitates Reliable Chain-of-Thought Reasoning推理安全/CoT可靠性PDF3Bolster Hallucination Detection via Prompt-Guided Data Augmentation幻觉检测PDF4Can LLMs Detect Their Confabulations? Estimating Reliability in Uncertainty-Aware Language Models幻觉/可靠性PDF5Silenced Biases: The Dark Side LLMs Learned to Refuse对齐副作用/过度拒绝PDF6Beyond I’m Sorry, I Can’t: Dissecting Large-Language-Model Refusal拒绝机制分析PDF7Unintended Misalignment from Agentic Fine-Tuning: Risks and Mitigation微调导致的对齐失效PDF8AdvBDGen: A Robust Framework for Generating Adaptive and Stealthy Backdoors in LLM Alignment后门攻击PDF9Editing as Unlearning: Are Knowledge Editing Methods Strong Baselines for Large Language Model Unlearning?机器遗忘PDF10Polarity-Aware Probing for Quantifying Latent Alignment in Language Models对齐可解释性PDF11FindTheFlaws: Annotated Errors for Detecting Flawed Reasoning and Scalable Oversight推理缺陷检测PDF12Backdoor Attacks on Open Vocabulary Object Detectors via Multi-Modal Prompt Tuning多模态后门攻击PDF13Security Attacks on LLM-based Code Completion Tools代码工具安全PDF14MobileSafetyBench: Evaluating Safety of Autonomous Agents in Mobile Device Control智能体安全评估PDF15MAJIC: Markovian Adaptive Jailbreaking via Iterative Composition of Diverse Innovative Strategies越狱攻击dblp16From Chaos to Cure: A Prefix Heuristics Guided Model-Agnostic Adaptive Detoxification Framework去毒化防御dblp17An LLM-based Quantitative Framework for Evaluating High-Stealthy Backdoor Risks in OSS Supply Chains供应链后门AAAI 2026备注以上论文主要从AI Alignment 特别 TrackVol 40 No. 44完整扫描获取以及从NLP / ML 主技术 Track和dblp 索引中搜索安全相关关键词获取AAAI 2026 共收到约 29,000 篇投稿安全相关论文散布在多个 Track 中NLP I-VI, ML I-XI, Application Domains 等上述列表可能未能完全覆盖所有 Track 中的安全论文论文链接均指向 AAAI Press 官方论文集https://ojs.aaai.org/index.php/AAAI/完整 AI Alignment Track 目录https://ojs.aaai.org/index.php/AAAI/issue/view/726AAAI 2026 全部论文集目录https://aaai.org/proceeding/aaai-40-2026/

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2507069.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…