---
format: "aidr-story-markdown/v1"
id: "df16ae68229af0edfaa1e537e6b7f6d3c040a95e31e23d46919c4a833158c8b6"
canonical_url: "https://aidr.today/df16ae68?lang=vi"
title: "Cuộc tấn công kẽ backdoor tương tác trong các hệ thống đố thoại tiên phong dựa trên LLM"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-11-06T05:00:00.000Z"
category: "Research"
topics: ["safety"]
source_urls: ["https://arxiv.org/abs/2611.06969"]
summary: "Các hệ thống đố thoại tiên phong dựa trên LLM cung cấp hỗ trợ hướng tới mục tiêu thông qua tương tác kéo dài. Việc fine-tune các mô hình nền tảng của chúng bằng dữ liệu đố thoại được cung cấp bên ngoài mang lại rủi ro backdoor. Các nghiên cứu backdoor LLM hiện có chủ yếu tập trung vào việc kích hoạt phản hồi do người tấn công chỉ định khi kích hoạt trigger. Nhóm tác giả trình bày khung tấn công backdoor tương tác sử dụng độc hại dữ liệu huấn luyện để hướng các tương tác đa lượt sau khi kích hoạt trigger về một mục tiêu do người tấn công chỉ định. Những cuộc đố thoại fine-tune bị độc hại gieo một thiên lệch chính sách hướng dẫn dựa trên trigger mà các phát biểu của người dùng bình thường có thể kích hoạt, mà không cần sửa đổi prompt trong thời gian triển khai hoặc can thiệp thêm từ phía người tấn công."
---

# Cuộc tấn công kẽ backdoor tương tác trong các hệ thống đố thoại tiên phong dựa trên LLM

> [Open the canonical story](<https://aidr.today/df16ae68?lang=vi>)

**Published:** 2026-11-06T05:00:00.000Z
**Category:** Research
**Topics:** safety

## Summary

Các hệ thống đố thoại tiên phong dựa trên LLM cung cấp hỗ trợ hướng tới mục tiêu thông qua tương tác kéo dài\. Việc fine\-tune các mô hình nền tảng của chúng bằng dữ liệu đố thoại được cung cấp bên ngoài mang lại rủi ro backdoor\. Các nghiên cứu backdoor LLM hiện có chủ yếu tập trung vào việc kích hoạt phản hồi do người tấn công chỉ định khi kích hoạt trigger\. Nhóm tác giả trình bày khung tấn công backdoor tương tác sử dụng độc hại dữ liệu huấn luyện để hướng các tương tác đa lượt sau khi kích hoạt trigger về một mục tiêu do người tấn công chỉ định\. Những cuộc đố thoại fine\-tune bị độc hại gieo một thiên lệch chính sách hướng dẫn dựa trên trigger mà các phát biểu của người dùng bình thường có thể kích hoạt, mà không cần sửa đổi prompt trong thời gian triển khai hoặc can thiệp thêm từ phía người tấn công\.

## Sources

- [Story source](<https://arxiv.org/abs/2611.06969>)