用途：该指南面向AI安全领域的文献检索与研究，收录IEEE S&P、ACM CCS、USENIX Security、NDSS四大安全会议中的同行评审论文，按年份与会议组织，覆盖对抗机器学习、隐私攻击、LLM安全、深度伪造、联邦学习安全等方向。
主要能力：按会议和主题分类整理论文。对抗机器学习包含逃逸攻击（对抗样本）、投毒攻击（后门、木马）、模型窃取（提取、蒸馏）及防御（认证鲁棒性、检测）；隐私攻击包含成员推理、模型反演、属性推理、训练数据提取；LLM安全包含提示注入、越狱、数据泄露、对齐攻击；深度伪造包含生成方法、检测技术与水印；联邦学习安全包含拜占庭攻击、梯度泄露与安全聚合。资料给出2024-2025年部分论文示例，如S&P 2024的“Not What You've Signed Up For: Compromising Real-World LLM-Integrated Applications”、“Prompt Stealing Attacks Against Text-to-Image Generation Models”，CCS 2024的“Backdoor Attacks on Language Models”，USENIX 2024的“Membership Inference in LLMs”。
使用方式：作为文献综述或课程材料的检索索引，按会议、年份和主题查找AI安全攻防研究，用于威胁建模、红队评估方法学习等场景。
限制：资料未提供检索工具、下载链接或安装命令，论文列表不完整，具体收录范围与更新机制暂未提供。