跳到正文
热点事件持续更新

芝加哥大学等提出自然代码转换可干扰 AI 智能体漏洞分析

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

芝加哥大学 Jie Zhu 等研究者在 arXiv 论文中提出一种防御方法:从真实代码提交的开发模式中挖掘“自然且保持功能”的代码变换,用以对抗 AI 智能体的漏洞分析。论文称,实验显示功能与漏洞相同但代码形式不同的真实提交会让智能体表现差异巨大,即使单一变换也能有效“迷惑”前沿智能体(如 Claude Mythos 5.2 配合 Claude Code),降低其漏洞发现的成功率。 论文还研究了变换组合的效果以及自适应攻击者的逆向尝试。目前这是论文作者的实验结论,尚属研究层面的发现。

AI 根据报道生成 · 25 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    arXiv 论文提出自然代码变换可干扰智能体漏洞分析

    芝加哥大学等研究者发现,AI 智能体在功能与漏洞相同但代码形式不同的真实提交上表现差异巨大。论文从真实开发模式中挖掘自然且保持功能的代码变换,实验显示单一变换即可显著降低 Claude Mythos 5.2 配合 Claude Code 在漏洞发现中的成功率,并研究了变换组合与自适应攻击者的逆向尝试。

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。