色七七亚洲丨中国肥老太婆高清video丨岛国av一区丨精品日产卡一卡二卡927丨中文字幕v亚洲日本丨亚洲精品第三页丨国产亚洲va综合人人澡精品丨成人在线视频在线观看丨久久无码中文字幕久久无码app丨尤物视频在线观看丨国产中文区3幕区2021丨无码人妻精品一区二区丨人与嘼av免费丨久久久蜜桃丨日本九九热在线观看官网丨欧美精品日韩精品一卡丨免费看成人丨国产这里只有精品丨天堂中文在线网丨日韩亚洲第一页

隨著人工智能（AI）技術的快速普及，新的安全漏洞和“越獄”方法層出不窮。這讓黑客更容易濫用AI系統，實施網絡攻擊、傳播不當信息、制造安全風險，甚至引發重大犯罪行為。鑒于此，全球科技巨頭競相開發新技術，力求在保持AI模型功能性的同時，有效減少其被濫用的風險。

AI“越獄”日益猖獗

IBM網站對AI“越獄”是這樣解釋的：當黑客或別有用心之人利用AI系統中的漏洞，繞過道德準則，操縱AI模型生成非法或危險信息時，便視為AI“越獄”。黑客慣常利用的AI“越獄”手段包括提示詞植入、角色扮演誘導、現在就做任何事（DAN）、敏感詞拆分等。

提示詞植入指在輸入中植入特定指令或改變輸入的語義結構，誘導模型執行非期望操作或生成錯誤結果；在角色扮演誘導中，黑客會讓AI扮演特定角色，繞過內容過濾器生成信息；DAN則是ChatGPT的一種特殊運行模式，在此模式下，ChatGPT獲得了超越其原有道德和倫理限制的能力，能回答一些正常模式下無法回答的問題；敏感詞拆分則指將敏感詞拆分成子字符串以規避檢查。

這些技術通過精心設計的提示，引導模型偏離預定的安全防護規則，生成潛在的有害內容，甚至引發數據泄露、系統失控等嚴重后果。

研究發現，在無保護措施的情境下，生成式AI“越獄”攻擊的成功率高達20%。平均而言，攻擊者僅需42秒及5次交互便能突破防線。在某些情況下，攻擊甚至在短短4秒內就能完成。這些發現凸顯了當前生成式AI模型算法中存在重大漏洞，實時防止漏洞的難度很大。

IBM網站指出，AI“越獄”事件愈發普遍，要歸因于AI技術的飛速進步、AI工具的可獲取性日益提升，以及對未經過濾輸出的需求不斷增長等。安全專家認為，生成式聊天機器人的易用性，使缺乏相關知識背景的普通人也能嘗試獲取危險信息。

為AI設立“防護欄”

為更好地推動AI發展，確保其安全可控，增強客戶信任，包括微軟和元宇宙平臺等公司在內的科技巨頭，正竭力防止AI“越獄”。

據英國《金融時報》報道，AI初創公司Anthropic推出了一款名為“憲法分類器”的新系統，其可作為大語言模型的保護層，監測輸入和輸出內容是否存在有害信息，確保用戶免受不良信息的侵擾。

這一解決方案基于一套被稱為“憲法”規則的體系。這些規則明確界定了信息的允許范圍與限制邊界，并可根據實際需求靈活調整，以涵蓋不同類型的材料。

為驗證該系統的實效，Anthropic公司提供了15000美元的“漏洞賞金”。重賞之下，183名測試人員歷時3000多個小時，嘗試突破防御。在“憲法分類器”的保駕護航下，該公司的“克勞德3.5”模型抵御了超過95%的惡意嘗試。而在沒有這道防護網的情況下，該模型的拒絕率僅為14%。

無獨有偶，微軟去年3月推出了“提示詞防護盾”。這一創新工具能夠實時偵測并有效阻止誘導AI模型“越獄”的“提示詞攻擊”。微軟還攻克了“間接提示詞輸入”這一難題，即防止黑客將惡意指令悄然插入模型的訓練數據中，從而避免模型執行不當操作。

值得一提的是，微軟還推出了一項新功能：當AI模型編造內容或產生錯誤反應時，它會迅速提醒用戶。

2024年底，美國加州大學伯克利分校與元宇宙平臺公司攜手，推出了一種通用防御框架，以有效應對策略性植入的提示詞攻擊，為AI的安全防護再添一道屏障。

技術成本有待降低

當然，這些旨在防止AI“越獄”的技術也并非盡善盡美。

審核措施的介入可能會讓模型變得過于謹慎，而拒絕一些無害的請求。谷歌早期版本的“雙子座”AI模型以及元宇宙平臺的Llama 2就曾出現過這種情況。不過，Anthropic公司表示，其“憲法分類器”雖然也提高了拒絕率，但絕對值僅增加了0.38%。

《金融時報》的報道指出，“憲法分類器”在運行過程中，會耗費大量計算資源。這對那些已經為訓練和運行模型支付巨額費用的公司來說，無疑是“雪上加霜”。Anthropic公司也承認，其分類器將使運行AI模型的成本增加近24%。

由此可見，雖然AI“越獄”防護技術在提升安全性方面發揮了重要作用，但如何在保障安全與降低成本之間找到平衡，仍需進一步探索。