懂AI
deberta-v3-base-prompt-injection-v2

deberta-v3-base-prompt-injection-v2

DeBERTa-v3微调模型实现高精度提示注入检测

deberta-v3-base-prompt-injection-v2是一个基于DeBERTa-v3-base微调的模型，专注于检测和分类英语提示注入攻击。模型在后训练数据集上达到95.25%的准确率，可有效分类输入是否存在注入。该模型由Protect AI开发，利用多个公开数据集训练而成，旨在提升语言模型应用的安全性。需注意的是，模型不适用于越狱攻击检测和非英语提示处理。

语言模型Huggingface模型prompt injectionGithub开源项目LLM安全文本分类DeBERTa-v3-base
GitHubHugging Face

deberta-v3-base-prompt-injection-v2项目介绍

项目概述

deberta-v3-base-prompt-injection-v2是一个基于microsoft/deberta-v3-base模型微调的文本分类模型，专门用于检测和分类提示注入攻击。提示注入攻击是一种通过插入或修改提示来操纵语言模型，使其产生非预期输出的方法。该模型旨在通过识别这些恶意干预来增强语言模型应用程序的安全性。

模型特点

该模型由Protect AI团队开发，使用Apache License 2.0许可证。它主要针对英语语言进行了优化，能够将输入分类为良性（0）和检测到注入（1）两种类型。模型在检测英语提示注入方面表现出高度准确性，但不适用于检测越狱攻击或处理非英语提示。

数据集和训练

模型的训练数据集是从多个公开的开放数据集中精心组合而成，包含了广泛的提示变体。此外，开发团队还根据学术研究论文、文章、安全竞赛以及LLM Guard社区的反馈，创建了特定的提示注入样本。训练过程中测试了20多种配置，以优化模型的检测能力。

评估指标

在评估数据集上，模型展现出优秀的性能：

  • 准确率：99.93%
  • 召回率：99.94%
  • 精确率：99.92%
  • F1分数：99.93%

在训练后的评估中，使用20,000个来自未训练数据集的提示进行测试，模型仍然保持了较高的性能：

  • 准确率：95.25%
  • 精确率：91.59%
  • 召回率：99.74%
  • F1分数：95.49%

使用方法

用户可以通过Transformers库或Optimum with ONNX来使用这个模型。此外，该模型还可以与Langchain集成，或在LLM Guard中使用。项目提供了详细的代码示例，方便开发者快速上手。

社区支持

项目鼓励用户加入其Slack社区，与开发者交流、提供反馈并讨论LLM安全相关话题。这为用户提供了一个良好的交流平台，有助于项目的持续改进和发展。

总结

deberta-v3-base-prompt-injection-v2项目为语言模型应用提供了一个强大的安全工具。通过精确检测提示注入攻击，它有效提高了系统的安全性。虽然目前主要针对英语，但其高准确率和广泛的应用前景使其成为NLP安全领域的重要贡献。

</SOURCE_TEXT>

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多