https://answer.freetools.me/tags/%E7%BA%A2%E9%98%9F%E6%B5%8B%E8%AF%95/ Recent content in 红队测试 on Answer Hugo -- 0.152.2 zh-cn Mon, 09 Mar 2026 08:07:34 +0800 https://answer.freetools.me/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E4%B8%BA%E4%BD%95%E6%80%BB%E8%A2%AB%E4%B8%80%E5%8F%A5%E8%AF%9D%E8%B6%8A%E7%8B%B1%E4%BB%8E%E8%A7%92%E8%89%B2%E6%89%AE%E6%BC%94%E5%88%B0%E6%A2%AF%E5%BA%A6%E4%BC%98%E5%8C%96%E7%9A%84%E6%94%BB%E9%98%B2%E6%8A%80%E6%9C%AF%E6%BC%94%E8%BF%9B/ Mon, 09 Mar 2026 08:07:34 +0800 https://answer.freetools.me/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E4%B8%BA%E4%BD%95%E6%80%BB%E8%A2%AB%E4%B8%80%E5%8F%A5%E8%AF%9D%E8%B6%8A%E7%8B%B1%E4%BB%8E%E8%A7%92%E8%89%B2%E6%89%AE%E6%BC%94%E5%88%B0%E6%A2%AF%E5%BA%A6%E4%BC%98%E5%8C%96%E7%9A%84%E6%94%BB%E9%98%B2%E6%8A%80%E6%9C%AF%E6%BC%94%E8%BF%9B/ 深入解析大语言模型越狱攻击的技术原理与攻防博弈。从DAN角色扮演的诞生到GCG梯度优化攻击，从TAP黑盒自动化到Crescendo多轮对话攻击，系统阐述越狱攻击的四代演进历程。涵盖RLHF安全对齐原理、泛化不匹配与目标竞争的攻击根因、以及困惑度过滤、RPO鲁棒提示优化等防御方法。基于JailbreakBench基准与最新学术论文，揭示为什么花了数十亿对齐的模型依然脆弱。