论文《Consiglieres in the Shadow: Understanding the Use of Uncensored Large Language Models in Cybercrimes》总结与翻译一、文章主要内容本文是首篇针对无审查大型语言模型（ULLMs）的系统性研究，聚焦ULLMs在网络犯罪中的应用，核心内容围绕“发现-分析-应对”展开：1. 研究背景与挑战背景：大型语言模型（LLMs）虽推动技术变革，但无审查版本（ULLMs）因缺乏内容过滤机制，可生成仇恨言论、恶意代码、儿童色情相关内容等有害信息，已被网络犯罪者用于构建恶意服务（如Malla）。核心挑战：Hugging Face等平台截至2024年6月已托管超70万个开源LLM，逐一安装测试（每个模型至少需10分钟）不现实；且多数LLM元数据不完整，难以通过关键词匹配或简单分析识别ULLMs。2. 研究方法：ULLMs发现技术（UFinder）核心思路：基于“关联推定”原则，利用LLM间的衍生关系（如微调、合并、压缩）及与数据集的关联（如使用有害数据集训练），构