GitHub · 灵魂体仓库·· 1 天前AI 评分38
LLM Shield：检测恶意提示词与文档注入风险的开源原型
soubhagya-dev93/llm-shield
来源与原文
GitHub · 灵魂体仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/soubhagya-dev93/llm-shield
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
开源项目 llm-shield 基于 Streamlit 构建，用于检测潜在恶意提示词并净化上传文档，降低间接提示注入风险。它结合 TF-IDF + Logistic Regression 分类器、规则检测与句子级净化，并在问答前做净化后验证，开发版测试集准确率为 99.86%（725 个测试样本）。该项目定位为研究原型，误报漏报均有可能，不应作为生产系统的唯一安全控制。
来源：GitHub · 灵魂体仓库 · github.com
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。