20步内越狱任意大模型!更多“奶奶漏洞”全自动发现
1分钟不到、20步以内“越狱”任意大模型,绕过安全限制!
而且不必知道模型内部细节——
只需要两个黑盒模型互动,就能让AI全自动攻陷AI,说出危险内容。

听说曾经红极一时的“奶奶漏洞”已经被修复了:

那么现在搬出“侦探漏洞”、“冒险家漏洞”、“作家漏洞”,AI又该如何应对?

一波猛攻下来,GPT-4也遭不住,直接说出要给供水系统投毒只要……这样那样。
关键这只是宾夕法尼亚大学研究团队晒出的一小波漏洞,而用上他们最新开发的算法,AI可以自动生成各种攻击提示。
研究人员表示,这种方法相比于现有的GCG等基于token的攻击方法,效率提高了5个量级。而且生成的攻击可解释性强,谁都能看懂,还能迁移到其它模型。
无论是开源模型还是闭源模型,GPT-3.5、GPT-4、 Vicuna(Llama2变种)、PaLM-2等,一个都跑不掉。
成功率可达60-100%,拿下新SOTA。
话说,这种对话模式好像有些似曾相识。多年前的初代AI,20个问题之内就能破解人类脑中想的是什么对象。
如今轮到AI来破解AI了。

让大模型集体越狱
目前主流越狱攻击方法有两类,一种是提示级攻击,一般需要人工策划,而且不可扩展;
另一种是基于token的攻击,有的需要超十万次对话,且需要访问模型内部,还包含“乱码”不可解释。
△左提示攻击,右token攻击
宾夕法尼亚大学研究团队提出了一种叫PAIR(Prompt Automatic Iterative Refinement)的算法,不需要任何人工参与,是一种全自动提示攻击方法。

PAIR涉及四个主要步骤:攻击生成、目标响应、越狱评分和迭代细化;主要用到两个黑盒模型:攻击模型、目标模型。
具体来说,攻击模型需要自动生成语义级别的提示,来攻破目标模型的安全防线,迫使其生成有害内容。
核心思路是让两个模型相互对抗、你来我往地交流。
攻击模型会自动生成一个候选提示,然后输入到目标模型中,得到目标模型的回复。
如果这次回复没有成功攻破目标模型,那么攻击模型会分析这次失败的原因,改进并生成一个新的提示,再输入到目标模型中。

这样持续交流多轮,攻击模型每次根据上一次的结果来迭代优化提示,直到生成一个成功的提示将目标模型攻破。
此外,迭代过程还可以并行,也就是可以同时运行多个对话,从而产生多个候选越狱提示,进一步提高了效率。
研究人员表示,由于两个模型都是黑盒模型,所以攻击者和目标对象可以用各种语言模型自由组合。
PAIR不需要知道它们内部的具体结构和参数,只需要API即可,因此适用范围非常广。
GPT-4也没能逃过
实验阶段,研究人员在有害行为数据集AdvBench中选出了一个具有代表性的、包含50个不同类型任务的测试集,在多种开源和闭源大语言模型上测试了PAIR算法。
结果PAIR算法让Vicuna越狱成功率达到了100%,平均不到12步就能攻破。

闭源模型中,GPT-3.5和GPT-4越狱成功率在60%左右,平均用了不到20步。在PaLM-2上成功率达到72%,步数约为15步。
但是PAIR在Llama-2和Claude上的效果较差,研究人员认为这可能是因为这些模型在安全防御上做了更为严格的微调。
他们还比较了不同目标模型的可转移性。结果显示,PAIR的GPT-4提示在Vicuna和PaLM-2上转移效果较好。

研究人员认为,PAIR生成的语义攻击更能暴露语言模型固有的安全缺陷,而现有的安全措施更侧重防御基于token的攻击。
就比如开发出GCG算法的团队,将研究结果分享给OpenAI、Anthropic和Google等大模型厂商后,相关模型修复了token级攻击漏洞。

大模型针对语义攻击的安全防御机制还有待完善。
论文链接:https://arxiv.org/abs/2310.08419
参考链接:https://x.com/llm_sec/status/1718932383959752869?s=20
腾讯QQ强力整治变味“举牌”:数百个QQ号、QQ群被端
腾讯发布2024年第三季度QQ平台生态治理公告,平台累计打击违规账号348万个。第三季度,腾讯QQ重点聚焦毒视频、不良社交信息、色情举牌等几个方面问题展开治理。其中在举牌治理方面,2024年第三季度,平台共对381个违规账号和群聊进行阶梯封禁处置,累计下架119个违规话题。0001视频生成新突破!PixelDance还可以做复杂动作和特殊效果
要点:PixelDance是一项新的视频生成技术,相较于其他模型,它在生成高度一致性和丰富动态性的视频方面取得了显著的进展,引起了广泛关注。PixelDance提供基础模式和高级魔法模式两种生成模式。基础模式仅需一张指导图片和文本描述,而高级魔法模式则需要两张指导图片,为用户提供更大的创造空间。这两种模式均能产生复杂、生动的视频效果。站长网2023-11-24 14:33:000000英伟达股价仍在上涨 市值周二盘中突破一万亿美元
5月31日消息,据外媒报道,在上周四大涨24%、市值推升1800多亿美元之后,英伟达的股价在随后两个交易日仍在上涨,市值在周二盘中已突破1万亿美元。英伟达目前的流通股共有24.7亿股,市值超过1万亿美元,就意味着股价要达到404.86美元。而在周二美国股市开盘时,英伟达的股价就达到了405.95美元,开盘市值即超过1万亿美元。站长网2023-05-31 10:35:450000AITO问界全系列2月交付21142辆新车 蝉联新势力榜首
根据鸿蒙智行的官方公告,AITO问界全系列在刚结束的2月份共交付了21142辆新车,稳固了新势力月度销量的首位。在这些销量中,新M7的贡献尤为突出,交付了18479辆,而余下的部分则由M9和M5填补。站长网2024-03-01 14:57:350000GPT-4 API曝出重大漏洞 一句prompt就能提取私人信息
要点:FARAI实验室的团队成功通过微调、函数调用和搜索增强等方向,在GPT-4API中发现了重大安全漏洞,使其容易越狱。通过对GPT-4进行15个有害样本和100个良性样本的微调,研究人员能够让模型生成错误的公众人物信息、提取私人信息,并在代码中插入恶意URL,暴露了潜在的隐私风险。站长网2023-12-27 14:19:530000