Дорогой Рут: модельный трафик для адверсариальных LLM

arXiv: 26009,08306v1 Annuales Type: cross Brief: Мы представляем HoneyRoute — слой, который позволяет сделать вывод о том, что входящий запрос злоумышленен и если да, то перенаправляет его на специальную модель медохода, защищая производство, а взаимодействие противника постоянно забирается для разведки. Существующие защитные устройства встроили ловушки внутри модели памяти или восстановили обман на уровне протокола, оставив обслуживающую ядр незащищенным и ничего не давив обратно на обнаружение. " HoneyRoute пароходство &qt; i) ручное маршрутизирующее устройство (замороженное позвоночник 0,8B-эмбинг с головами на каждого домене MLP), ii) двойная модель (правила/скоростной скодированный код или специальная копия одного семейства) и iii) аналитический цикл, который преобразует застрявшие в сети взаимодействия в отпечатки пальцев атакующих для переподготовки роутера. По следу производства плюс семидоменный атаки корпус, маршрутизатор достигает F1 = 911 на 38 мс медианной дополнительной латентности, что соответствует 96% двухъярусного каскада LLM F1 на 1/385 от его запоздалого wi