语义为盾：标签伪装防御（LDD）对抗LLM情感分类中的提示注入

这篇来自ArXiv的文章讨论了标签伪装防御（LDD）作为一种保护大型语言模型（LLM）免受提示注入攻击的方法，特别是在情感分类的背景下。其核心思想可能围绕着混淆用于情感分析的标签，以防止恶意提示操纵模型的输出。这项研究侧重于一个特定的漏洞，并提出了一个防御机制。