待验证50% 置信事实精确时间

在密码学假设成立的前提下，即便攻击者拥有模型权重的完全访问权限，这些隐藏能力依然可以被证明难以诱导和解释

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

AI模型能"藏起"危险能力：加密后门如何击穿安全评估

涉及实体

密码学假设concept

相关事实

待验证(ε,δ) 保证本质上是对隐私损失的概率约束，但不能直接告诉我们攻击者能从模型中重建出多少原始数据77% 相似待验证隐匿式安全违背了柯克霍夫原则，把防护希望寄托在攻击者不知道内部细节上76% 相似待验证加密层将隐藏网络与可观察表示之间的关联从统计层面切断，使白盒访问也不足以保证发现隐藏能力76% 相似待验证密码学界高度共识认为不存在只允许好人使用的加密后门，任何预留的访问通道都会成为攻击者的潜在入口75% 相似待验证对抗审查机制让另一个模型实例扮演攻击者专门寻找证明漏洞，只有能扛住攻击的证明才被保留75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002120

API

curl https://kongchang.com/api/v1/knowledge/claims/1002120

MCP

get_claim(id=1002120)