MarkSec: Capability-Aware Evaluation of Adversarial Attacks Against LLM Watermarks
该论文关注大语言模型（LLM）文本水印在对抗环境下的评测问题。水印的作用是帮助追溯生成文本的来源，但它面临三类对抗攻击：窃取攻击（stealing，从带水印文本中恢复水印信息）、擦除攻击（scrubbing，去除文本中的水印信号）和伪造攻击
#evaluation-benchmark
共收录 2 条相关情报。
← 返回所有主题What Makes Adversarial Examples Transfer Across Deepfake Detectors?
深度伪造（deepfake）检测器普遍面临基于迁移的黑盒攻击威胁：攻击者在一个本地替代模型（source surrogate）上构造对抗样本，再直接投放到未知的目标检测器（target）上，从而在不接触目标模型的情况下实现绕过。然而，源模型