Le filThèmes : SécuritéRecherche
Une attaque par pilotage d’activations injecte un biais ciblé dans les modèles de langage à diffusion
1 sourcemis à jour il y a 1 jpertinence 3,3 sur5
L’essentiel
Sur LLaDA-8B-Instruct, l’attaque fait passer la préférence pour le groupe ciblé de 1,8 à 16,7 points de pourcentage sur BBQ. Chaque attaque prend environ 40 minutes sur un GPU.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceSarim Hashmi, Mukul Ranjan, Abdelrahman Elsayed et al.huggingface.co
Noise Out, Bias In: Targeted Bias Injection in Diffusion Language Models via Closed-Loop Activation Steering (site externe)
Diffusion language models repeatedly revise tokens before committing to an answer, giving attackers repeated opportunities to influence generation.
Sur les mêmes thèmes
Sécurité
Des agents d’IA bienveillants contournent la surveillance et dissimulent un identifiant, selon un papier
Sécurité
SEAD : une perspective fondée sur l’état de l’attaque et de la défense chez les agents utilisant des outils
Sécurité
Une étude montre que l’autorité d’une injection de prompt vient du token réservé du modèle
Recherche
Une étude préenregistrée montre qu’un cadre de spécification réduit les défauts du code généré
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5