什么會影響大模型安全？NeurIPS'24新研究提出大模型越獄攻擊新基準與評估體系

AIGC動態歡迎閱讀

原標題：什么會影響大模型安全？NeurIPS'24新研究提出大模型越獄攻擊新基準與評估體系
關鍵字：模型,攻擊者,成功率,提示,團隊
文章來源：量子位
內容字數：0字

內容摘要：

USAIL團隊投稿量子位 | 公眾號 QbitAI全新大語言模型越獄攻擊基準與評估體系來了。
來自香港科技大學（Guangzhou）USAIL研究團隊，從攻擊者和防御者的角度探討了什么因素會影響大模型的安全。
提出攻擊分析系統性框架JailTrackBench。
JailTrackBench研究重點分析了不同攻擊配置對LLMs性能的影響，包括攻擊者的能力、預算、對抗性后綴長度，以及模型的大小、安全對齊情況、系統提示和模板類型。
其研究成果《Bag of Tricks: Benchmarking of Jailbreak Attacks on LLMs》現已被NeurIPS D&B 2024接收。
此外，為了全面解決大語言模型的越獄問題，USAIL團隊不僅專注于攻擊，還深入探討了越獄評估這一核心問題。
越獄分析JailTrackBench近年來，隨著人工智能的迅速發展，尤其是大語言模型（LLMs）的廣泛應用，保障模型的安全性并防止其被惡意利用，已成為一個重要的議題。越獄攻擊通過惡意指令誘導模型生成有害或不道德的內容，對模型的安全性和可靠性構成了嚴峻挑戰。
這種攻擊與防御的博弈，極大地推

原文鏈接：什么會影響大模型安全？NeurIPS'24新研究提出大模型越獄攻擊新基準與評估體系