TGViewer
ML&|Sec Feed ML&|Sec Feed @mlsecfeed · 1.39K subscribers
Post #1628 140

Forwarded from CyberSecurityTechnologies

FineTuning_Jailbreaks.pdf632.7 KB
#MLSecOps
"Fine-Tuning Jailbreaks under Highly Constrained Black-Box Settings: A Three-Pronged Approach", 2025.

// Fine-tuning is a widely used method for adapting models to downstream tasks, yet it is vulnerable to jailbreak attacks. Our attack combines safety-styled prefix/suffix wrappers, benign lexical encodings (underscoring) of sensitive tokens, and a backdoor mechanism, enabling the model to learn harmful behaviors while individual datapoints appear innocuous
  • 👍 1
More from @mlsecfeed
  1. Oct 15, 2026🔖 MITRE ATT&CK v20: ИИ наконец-то получил полноценную прописку в матрице 13 октября вышло…
  2. Oct 14, 2026Коллеги подвели итоги конкурса ИИ-агентов BlueSec по расследованию инцидентов ИБ, о которо…
  3. Oct 14, 2026Поговорили с Ильей Шабановым — главным редактором Anti-Malware — о рисках и безопасности г…
  4. Oct 13, 2026Стартап в США создал 350000 поддельных пенсионеров - чтобы нагрузить мошенников. Apate соз…
  5. Oct 10, 2026Когнитивные артефакты для поиска ИИ-малвари Для поиска ИИ-малвари традиционные индикаторы…
  6. Oct 10, 2026Mensarium — self-hosted обвязка для AI-агента: ставите Core на сервер или ноутбук, подключ…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →