提出PermaFrost-Attack潜伏预训练投毒框架
热点事件持续更新
提出PermaFrost-Attack潜伏预训练投毒框架
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv Artificial Intelligence 刊出的一篇研究提出 Stealth Pretraining Seeding（SPS）威胁模型：攻击者将少量投毒内容散布在隐蔽网站上，使其被 Common Crawl 等来源吸收进未来训练语料。据该报道，Harsh Kumar 等作者提出并研究了这一潜伏预训练投毒威胁模型及 PermaFrost-Attack 框架，将其描述为用于潜在概念投毒的受控框架，并配套提出三项几何诊断方法：Thermodynamic Length、Spectral Curvature 与 Infection Traceback Graph。报道未给出该框架的具体实验设置、投毒比例、成功率或防御效果等细节，也未提及该威胁在真实系统中的验证情况。目前该事件仅有这一篇报道，后续进展有待跟进。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
PermaFrost-Attack：通过 Stealth Pretraining Seeding 在 LLM 训练中埋下逻辑地雷报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial IntelligencePermaFrost-Attack：通过 Stealth Pretraining Seeding 在 LLM 训练中埋下逻辑地雷
研究提出 Stealth Pretraining Seeding（SPS）威胁模型，攻击者将少量投毒内容散布在隐蔽网站上，使其被 Common Crawl 等来源吸收进未来训练语料。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。