8月2日消息，谷歌研究團(tuán)隊(duì)正在進(jìn)行一項(xiàng)實(shí)驗(yàn)，他們使用 OpenAI 的 GPT-4 來攻破其他 AI 模型的安全防護(hù)措施，該團(tuán)隊(duì)目前已經(jīng)攻破 AI-Guardian 審核系統(tǒng)，并分享了相關(guān)技術(shù)細(xì)節(jié)。

AI-Guardian 是一種 AI 審核系統(tǒng)，能夠檢測(cè)圖片中是否存在不當(dāng)內(nèi)容，及圖片本身是否被其他 AI 修改過，若檢測(cè)到圖片存在上述跡象，便會(huì)提示管理員前來處理。

谷歌 DeepMind 的研究人員 Nicholas Carlini 在一篇題為“AI-Guardian 的 LLM 輔助開發(fā)”的論文中，探討了使用 GPT-4“設(shè)計(jì)攻擊方法、撰寫攻擊原理”的方案，并將這些方案用于欺騙 AI-Guardian 的防御機(jī)制。

據(jù)悉，GPT-4 會(huì)發(fā)出一系列錯(cuò)誤的腳本和解釋來欺騙 AI-Guardian ，論文中提到，GPT-4 可以讓 AI-Guardian 認(rèn)為“某人拿著槍的照片”是“某人拿著無害蘋果的照片”，從而讓 AI-Guardian 直接放行相關(guān)圖片輸入源。

谷歌研究團(tuán)隊(duì)表示，通過 GPT-4 的幫助，他們成功地“破解”了 AI-Guardian 的防御，使該模型的精確值從 98% 的降低到僅 8%，目前相關(guān)技術(shù)文檔已經(jīng)發(fā)布在 ArXiv 中。

而AI-Guardian 的開發(fā)者指出，谷歌研究團(tuán)隊(duì)的這種攻擊方法將在未來的 AI-Guardian 版本中不再可用。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。