一种基于隐式梯度优化的大语言模型对抗越狱攻击方法

本发明公开了一种基于隐式梯度优化的大语言模型对抗越狱攻击方法，该方法通过Gumbel‑Softmax技术实现对抗性token的连续梯度优化，结合两阶段代理模型筛选机制降低计算成本，并采用动态正则化策略保持语义隐蔽性。系统包含梯度优化模块、代理筛选模块和迁移增强模块，能够有效提升对抗性提示的攻击成功率和跨模型迁移能力。本发明解决了传统对抗攻击方法效率低、隐蔽性差的技术难题，在提高大模型攻击成功率的同时降低了攻击成本，并且有效减少了API调用次数，适用于大语言模型安全测试领域。