09:53
官方一手arXiv: DeepSeek@Weiwei Qi, Zefeng Wu, Zhilin Guo, Tianhang Zheng, Chaochao Lu, Liang He, Zhan Qin, Kui Ren
推荐理由：论文提出DARWIN，用进化算法同时生成攻击和训练防护，在DeepSeek-V4-Pro和GPT-5.5上攻击成功率超高，安全召回率也强。
YuFeng-XGuard
共 1 条相关 AI 资讯
7月23日
09:53
DARWIN是一个开源的进化攻防框架，包含DARWIN-Attack和DARWIN-Guard两部分。DARWIN-Attack通过策略发现、变异和反馈驱动组合，在DeepSeek-V4-Pro和YuFeng-XGuard上实现近100%攻击成功率，在GPT-5.5上超过90%。DARWIN-Guard采用在线对抗训练，在12个安全基准上平均不安全召回率达91.6%，优于YuFeng-XGuard和Nemotron Guard，同时保持近100%的标准良性数据集通过率。该框架将越狱攻击建模为开放进化过程，并持续更新防护措施。