CEE：基于子空间概念旋转的仿身智能推理时防御
密码学与安全
2026-01-06 v3 机器学习
多智能体系统
摘要
大型语言模型（LLM）广泛用于仿身智能（EI）系统中的任务理解和动作规划，但其采用显著增加了对jailbreak攻击的 vulnerability。尽管 recent work explore 推理时防御，但 existing 方法依赖于针对中间 representation 的 static intervention，这往往会降低生成 quality并 impair task instructions 的 adherence，从而降低EI setting 中的 system usability。我们提出了 dynamic defense framework。对于每个EI推理请求，我们动态构建 task-specific safety-semantic subspace，将其 hidden state 投影到最相关的 direction，并应用SLERP rotation进行 adaptive safety control。在相当于的 defense success rate下，我们的方法在保持生成 quality方面表现出色，改善了 usability，减少了 tuning cost，并在EI scenario中加强了 robustness。
引用
@article{arxiv.2504.13201,
title = {CEE: An Inference-Time Jailbreak Defense for Embodied Intelligence via Subspace Concept Rotation},
author = {Jirui Yang and Zheyu Lin and Zhihui Lu and Yinggui Wang and Lei Wang and Tao Wei and Qiang Duan and Xin Du and Shuhan Yang},
journal= {arXiv preprint arXiv:2504.13201},
year = {2026}
}