超越单纯的 Token 分析：防御针对 LLM 的社会工程攻击的超图度量空间框架

基于摘要分析。该研究针对 LLM 中以说服为代表的社会工程式越狱攻击，提出利用输入提示的 token 嵌入几何构建度量超图，并在超图组成的高阶度量空间中学习区分有害与良性提示。其主要研究对象是 LLM 输入安全过滤，而非 EEG 解码或 BCI。 核心机制是将每条提示表示为一个形成紧致度量空间的度量超图，以刻画良性与恶意提示之间的信息流差异；随后使用 Gromov-Hausdorff 距离作为广义度量，构造这些度量超图之间的空间，并在该空间训练安全分类器。摘要未说明超边构造、token 间距离定义、距离计算或近似方案，也未给出分类器结构、训练目标及计算开销，相关实现条件尚未验证。 作者报告，研究给出了分类器对新颖、未见 LLM 输入提示的泛化误差理论保证；其具体假设、误差界形式和适用范围尚未验证。作者还报告，在针对提示攻击的实证评估中，该方法显著优于现有通用防御机制及朴素基线，对算法导向攻击的表现也与专门防御方法相当。摘要未提供数据集、目标 LLM、攻击与防御基线名称、数据划分或量化指标，因此不能据此判断改进幅度及跨攻击类型的泛化能力；实验协议、消融及统计信息尚未验证。 该方法依赖提示嵌入及良性／有害分类任务，现有材料没有建立其与神经信号结构或 EEG 任务的具体对应关系，不能将 LLM 防御结果视为 BCI 有效性证据。已有 EEG 相关工作尚未检索确认。