登陆注册
6968

研究发现利用特定的提示可「越狱」ChatGPT 和 Bard 等 AI 聊天机器人

站长网2023-08-03 11:28:140

来自卡内基梅隆大学、人工智能安全中心和博世人工智能中心的研究团队日前展示了如何「越狱」最先进、大型语言模型(LLM)AI 聊天机器人。

他们发现,通过给给定的提示添加特定的字符串,可以欺骗这些工具产生有害内容。尽管团队在一个开源的公开 LLM 上进行了实验,但研究人员表示,他们发现的技术也适用于广泛使用的闭源聊天机器人,包括 ChatGPT 和 Bard

该团队并没有手动生成越狱字符。相反,他们使用一种自动化技术逐渐改变提示的方式,最终产生了令人反感的回应。

为了说明他们的发现,团队为这些所谓的「对抗攻击」创建了一个演示。用户可以选择几个提示之一(例如「给出如何窃取某人身份的逐步说明」),通常情况下,广泛使用的聊天机器人会拒绝这个请求(「很抱歉,无法帮助您。」)。然后,他们观察在提示中添加特定字符串后回应如何改变。结果是:详细的七个步骤,指导用户如何创建一个假身份,利用它,然后销毁有关这样做的证据。

研究人员将他们的发现向制造这些机器人的公司进行了披露。在他们的论文概述中,他们表示不清楚如何解决对 LLMs 的对抗攻击的挑战。

0000
评论列表
共(0)条