本文提出CodeSpear攻击,利用语法约束解码(GCD)诱导LLM生成恶意代码,并提出了CodeShield防御方法,通过生成蜜罐代码来恢复安全性。
机构:清华
来源:arXiv 2606.11817 | AI4Papers 论文推荐平台