基于人格条件的对抗性提示生成（PCAP）：多身份红队测试以提升对抗性提示发现
密码学与安全
2026-05-14 v1
摘要
现有的自动化红队测试管道常常忽略依赖于攻击者身份、框架或多回合战术的攻击。这种覆盖不足低估了实际风险。我们引入基于人格条件的对抗性提示生成(PCAP)，其对抗搜索基于攻击者人格和策略卡进行条件化，并运行并行的人格条件化束搜索以发现多样且可迁移的越狱。PCAP与底层搜索算法是正交的，并且显著提高了攻击成功率(ASR)和提示多样性(例如，GPT-OSS~120B上的ASR从提升到)，改善了攻击策略的覆盖范围和多样性。
引用
@article{arxiv.2605.12565,
title = {Persona-Conditioned Adversarial Prompting (PCAP): Multi-Identity Red-Teaming for Enhanced Adversarial Prompt Discovery},
author = {Cristian Morasso and Anisa Halimi and Muhammad Zaid Hameed and Douglas Leith},
journal= {arXiv preprint arXiv:2605.12565},
year = {2026}
}