DCEB：确定性上下文嵌入的越狱防御

解决什么问题

大模型的越狱攻击：用精心构造的上下文绕过模型的安全对齐。我做的方法叫 DCEB，确定性上下文嵌入（Deterministic Context Embedding），思路是在上下文表示层做防御，而不是只靠提示词过滤。

我做了什么

2026 年 2 月开题。工作量主要在三块：复现并跑通一批 baseline 防御方法做对照；构造实验，让不同攻击在同一套设定下比较；两轮审稿后的返修材料。目录里有 5,779 个文件、约七万行 Python 与 Shell 脚本，其中 104 份 Markdown 是实验记录与返修笔记。

结果

论文先投 USENIX Security ’26，未中；改投 CCS ’26，被拒；现在按两轮审稿意见返修，改投 NDSS ’27。被拒两次是事实，方法本身我还在改，最后一次改动是 2026 年 7 月 17 日。

没做到的，和这一页不写的

论文在审稿期间，方法细节、实验数字与审稿意见不在这里公开，接收后补论文链接与代码。这一页能证明的是：这个题目我从 2026 年 2 月做到现在，经历过完整的投稿与返修周期。