Do Defenses Against LLM Extraction Work Across Attacks? A Lifecycle Benchmark of Black-Box Model Extraction

arXiv cs.CR · 2 oct, 06:00

Un nuevo benchmark unificado evalúa seis ataques de extracción de modelos LLM, diez defensas y dos ataques adaptativos que reformulan o retraduce las respuestas protegidas antes del entrenamiento de modelos sustitutos. El trabajo mide la capacidad del modelo sustituto, la fidelidad respecto a la víctima, la calidad de salida y la sensibilidad al presupuesto de consultas, proporcionando una base reproducible para comparar métodos de extracción y sus interacciones con defensas en acceso exclusivo por texto.