提出了针对网页代理提示注入攻击的防御框架WARD及自适应对抗训练方法A3T,通过构建大规模多源数据集与攻防协同进化机制,在保持低误报率与高效并行运行的同时,显著提升了防护模型对跨域样本和对抗性注入攻击的检测召回率与鲁棒性。
机构:新加坡国立大学
来源:arXiv 2605.15030 | AI4Papers 论文推荐平台