SpecCloak 论文提出规范模板攻击与防御原型

Wenbin Chen 等在 arXiv 论文（arXiv:2610.17907v1）中提出 PseudoSpec，将功能需求组织为工程规格形式的提示模板，并据此研究开放权重模型对恶意代码生成请求的拒绝行为；在此之上构建红队攻击框架 SpecCloak 与防御原型 SpecReveal。 攻击方面，SpecCloak 结合 PseudoSpec 与判别器引导优化，在 RedCode-Gen 基准的八个目标模型上取得平均执行验证攻击成功率 28.91%。防御方面，SpecReveal 无需微调目标模型，摘要报告其在独立的提示检测评估中攻击检测率为 96.88%，并在良性编程与规格类输入上评估了误报。 以上数字均来自论文摘要，属于作者报告的结果；防御的实际效果尚待独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。