Which Defense Closes Which Threat? Attributing OWASP-LLM-Top-10 Coverage and Its Brittleness Under Paraphrasing

本研究针对大型语言模型（LLM）应用中的多层级防御组合，提出了一种归因分析方法，以量化每种防御家族具体阻断哪些OWASP LLM Top 10威胁。现有基准测试仅报告单一聚合覆盖率，无法区分不同防御组件的贡献。本文在21个攻击代理基线基础上

历史摘要 · 未重新核验 · arXiv cs.CR