SoK: Intent-Oriented Systematization of Multi-Turn LLM Jailbreaks
本文是一篇关于多轮大语言模型（LLM）越狱攻击的系统性综述（SoK）。随着LLM在交互式场景中的广泛部署，用户意图通常通过多轮对话逐步展开。多轮越狱攻击正是利用这一交互模式，将有害意图分散到多个对话轮次中，使得任何单个消息都不暴露完整目标，
#multi-turn-jailbreak
共收录 2 条相关情报。
← 返回所有主题D-Judge: Disrupting Multi-Turn Jailbreaks using Semantics-Preserving Output Rewriting
多轮越狱攻击（Multi-turn Jailbreak Attacks）利用辅助评判模型（Judge Model）的反馈信号来迭代优化对抗性提示，逐步突破大语言模型（LLM）的安全防护。现有防御措施主要针对单轮响应或最终输出进行检测与阻断，