论文提出跨查询图检测框架 AdvGuard，显著降低系统提示泄露。
资讯摘要
论文提出 AdvGuard，一个与模型无关的框架，用于检测和缓解基于查询的系统提示泄露攻击。它用有界语义交互图建模跨查询关系，经统计过滤后转为线图，交由图卷积网络分类，以捕捉多跳相似模式；另设轻量级提示级检测器在交互历史不足时提供保护，并支持黑盒部署。作者报告在混合查询评估中召回率较最强基线最高提升36%，误报率不超过3.4%。
要点速读
- AdvGuard 通过有界语义交互图与线图上的 GCN 分类，识别跨多轮交互的协同提取行为。
- 混合查询评估中召回率较最强基线最高提升36%，误报率至多3.4%；多轮负载下 F1 为97.23%–99.1%，召回率100%。
- 留一攻击家族测试平均召回99.98%、平均F1 99.99%，未观察到误报；接入 PLeak 与 LeakAgent 攻击循环后，精确匹配泄露降至0.00–0.01。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。