有人盯着我的检测 API 打了半年对抗攻击，这三种套路最常得手

Been watching real adversarial input hit my detection API for six months. Here's what's actually landing.

Bordair 的作者把检测 API 挂了六个月，从真实流量里抓出三类反复出现的攻击模式：多轮铺垫、利用对话惯性往前推、以及直接给模型换人设。上个月公开的对抗游戏里大概产生了 6700 次攻击，说明这些手法不是实验室玩具，已经在线上跑了。正文没披露具体绕过率和误报率，这点先别太激动。

推荐理由：这篇文章来自一线实战，不是纸上谈兵。作者把检测 API 暴露在真实流量里半年，抓出多轮铺垫、对话惯性推进、换人设三类攻击模式，上个月对抗游戏里还产生了约 6700 次攻击，说明这些手法已经在线上跑了。对做安全检测的从业者来说，这些实战经验比 benchmark 更有参考价值。不过正文没披露具体绕过率和误报率，效果到底怎么样还得打个问号，所以分数没给更高。