一种面向大语言模型的隐蔽后门攻击和有效防御方法

本发明属于人工智能安全技术领域，涉及一种面向大语言模型(Large Language Model,LLM)的后门攻击与防御方法，开发了一种隐蔽性更强的后门攻击方法和优化防御技术，揭示并解决大语言模型在预训练和微调阶段存在的安全漏洞，从而提升模型的鲁棒性与可解释性。本发明通过API改写实现语义保留的后门植入，避免了传统触发器的显式特征，提高了攻击的隐蔽性；通过优化困惑度逻辑，增强了后门词的识别能力，显著降低了误报率；通过改进代码框架，提高了开发效率，减少了冗余流程，使系统更加简洁高效。