SpecCloak：用工程规格模板探测 LLM 有害代码生成

研究者提出 PseudoSpec 模板，将功能需求组织为工程规格，在五个开源权重模型上发现规格化提示能显著降低拒绝率，即使保留风险关键词亦然。基于此构建的黑盒红队框架 SpecCloak 结合判别器引导优化，在 RedCode-Gen 上对八个目标模型实现平均 28.91% 的执行验证攻击成功率。防御原型 SpecReveal 无需微调目标模型，在提示检测评估中达到 96.88% 的攻击检测率。