security-assessment

本文提出了SEAV，一种以验证为中心的框架，用于评估大型语言模型的越狱鲁棒性，通过评估响应的有效性和正确性，显著降低了安全评估中的假阳性率。

本文利用 AI-Infra-Guard 对 DeepSeek Harness 中的间接提示注入风险进行受控测试评估，发现显著的攻击成功率，并提出安全控制建议。