【ITBEAR科技資訊】8月2日消息，谷歌研究團(tuán)隊(duì)近日進(jìn)行了一項(xiàng)引人注目的實(shí)驗(yàn)，他們使用尚未發(fā)布的GPT-4來攻破其他AI模型的安全防護(hù)措施。據(jù)悉，該團(tuán)隊(duì)成功地攻破了AI-Guardian審核系統(tǒng)，并分享了相關(guān)的技術(shù)細(xì)節(jié)。
AI-Guardian是一種用于檢測(cè)圖片中是否存在不當(dāng)內(nèi)容的AI審核系統(tǒng)，同時(shí)還能夠識(shí)別圖片是否被其他AI修改過。一旦發(fā)現(xiàn)有不當(dāng)內(nèi)容或篡改跡象，該系統(tǒng)將提示管理員進(jìn)行處理。然而，谷歌Deep Mind的研究人員Nicholas Carlini在題為“AI-Guardian的LLM輔助開發(fā)”的論文中，探討了如何利用GPT-4“設(shè)計(jì)攻擊方法、撰寫攻擊原理”，并將這些方案用于欺騙AI-Guardian的防御機(jī)制。
在這項(xiàng)實(shí)驗(yàn)中，GPT-4發(fā)出一系列錯(cuò)誤的腳本和解釋，成功欺騙了AI-Guardian。實(shí)驗(yàn)論文中提到，GPT-4能夠讓AI-Guardian錯(cuò)誤地認(rèn)為“某人拿著槍的照片”實(shí)際上是“某人拿著無害蘋果的照片”，從而導(dǎo)致AI-Guardian將不當(dāng)內(nèi)容通過。谷歌研究團(tuán)隊(duì)表示，通過GPT-4的幫助，他們將AI-Guardian的精確度從98%降低到僅有8%。
據(jù)ITBEAR科技資訊了解，谷歌研究團(tuán)隊(duì)的這種攻擊方法在未來的AI-Guardian版本中將不再有效。考慮到其他模型可能也會(huì)隨之改進(jìn)，這套攻擊方案的實(shí)際應(yīng)用空間在未來可能會(huì)大大減少，更多可能僅能作為參考性質(zhì)使用。對(duì)于AI-Guardian的開發(fā)者來說，他們需要繼續(xù)加強(qiáng)對(duì)系統(tǒng)的安全性和魯棒性的研究，以保護(hù)用戶和數(shù)據(jù)的安全。
