【ITBEAR科技資訊】8月2日消息，谷歌研究團隊近日進行了一項引人注目的實驗，他們使用尚未發(fā)布的GPT-4來攻破其他AI模型的安全防護措施。據(jù)悉，該團隊成功地攻破了AI-Guardian審核系統(tǒng)，并分享了相關的技術細節(jié)。
AI-Guardian是一種用于檢測圖片中是否存在不當內(nèi)容的AI審核系統(tǒng)，同時還能夠識別圖片是否被其他AI修改過。一旦發(fā)現(xiàn)有不當內(nèi)容或篡改跡象，該系統(tǒng)將提示管理員進行處理。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“設計攻擊方法、撰寫攻擊原理”，并將這些方案用于欺騙AI-Guardian的防御機制。
在這項實驗中，GPT-4發(fā)出一系列錯誤的腳本和解釋，成功欺騙了AI-Guardian。實驗論文中提到，GPT-4能夠讓AI-Guardian錯誤地認為“某人拿著槍的照片”實際上是“某人拿著無害蘋果的照片”，從而導致AI-Guardian將不當內(nèi)容通過。谷歌研究團隊表示，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，谷歌研究團隊的這種攻擊方法在未來的AI-Guardian版本中將不再有效?？紤]到其他模型可能也會隨之改進，這套攻擊方案的實際應用空間在未來可能會大大減少，更多可能僅能作為參考性質(zhì)使用。對于AI-Guardian的開發(fā)者來說，他們需要繼續(xù)加強對系統(tǒng)的安全性和魯棒性的研究，以保護用戶和數(shù)據(jù)的安全。
