标签: 越狱攻击 (2 篇)

Anthropic公开Fable 5安全分类器的四级判定标准，并发布AI越狱严重性框架草案，为行业建立统一的风险沟通语言。

研究发现主流大模型返回的加密推理块存在跨模型重用密钥漏洞，可通过弱模型越狱还原强模型原始思维链，揭示推理轨迹安全与提示注入新风险。