首頁  >  文章  >  科技週邊  >  為何GPT-4P容易受到多模態提示注入影像攻擊?

為何GPT-4P容易受到多模態提示注入影像攻擊?

WBOY
WBOY轉載
2023-10-30 15:21:171333瀏覽

OpenAI新的GPT-4V版本支援影像上傳後,帶來了全新的攻擊途徑,使大型語言模型(LLM)容易受到多模態注入影像攻擊。攻擊者可以在圖像中嵌入命令、惡意腳本和程式碼,隨後模型會遵從行事。

多模態提示注入影像攻擊可以洩漏資料、重定向查詢、產生錯誤訊息,並執行更複雜的腳本以重新定義LLM如何解釋資料。它們可以改變LLM的用途,使其忽略先前設定的安全護欄,執行可能危及企業組織的命令,從而構成從詐欺到操作破壞的各種威脅。

所有使用LLM作為工作流程一部分的企業都面臨著困境,但那些將LLM用作其業務核心,用於影像分析和分類的企業面臨最大的風險。攻擊者利用各種技術可以迅速改變影像的解釋和分類方式,從而導致更混亂的結果

當LLM的提示被覆蓋時,惡意命令和執行腳本更容易被忽略。攻擊者可以透過在上傳到LLM的一系列影像中嵌入命令,來進行詐欺和操作破壞,並且還可以促進社會工程攻擊

映像是LLM無法防禦的攻擊途徑

由於LLM在處理過程中沒有進行資料清理的步驟,所以每個影像都是不可靠的。就像在沒有對每個資料集、應用程式或資源進行存取控制的情況下,讓身分在網路上自由漫遊是非常危險的,上傳到LLM中的影像也同樣存在危險

企業擁有在私有LLM的情況下,必須將最小特權存取作為核心網路安全策略採用

Simon Willison最近在一篇部落格文章中詳細解釋了GPT-4V為什麼成為了提示注入攻擊的主要途徑,並指出LLM在根本上很容易受騙。博文連結:https://simonwillison.net/2023/Oct/14/multi-modal-prompt-injection/

Willison展示如何透過提示注入來劫持自主人工智慧代理,例如Auto-GPT。他詳細解釋了一個簡單的視覺提示注入範例,從在單一圖像中嵌入命令開始,逐漸發展成一個可視化提示注入滲透攻擊

英國BDO公司的數據分析和人工智慧高級經理Paul Ekwere表示:“注入攻擊對LLM的安全性和可靠性構成了嚴重威脅,特別是對處理圖像或視頻的基於視覺的模型。這些模型廣泛應用於人臉識別、自動駕駛、醫療診斷和監控等領域。”

OpenAI目前還沒有針對多模態提示注入影像攻擊的解決方案,使用者和企業只能依靠自己。英偉達開發者網站上的一篇部落格文章(https://developer.nvidia.com/blog/mitigating-stored-prompt-injection-attacks-against-llm-applications/)提供了一些建議,包括對所有資料儲存和系統強制執行最小權限存取

多模態提示注入影像攻擊的工作原理

#多模態提示注入攻擊利用了GPT-4V處理視覺影像方面的漏洞,以執行未被檢測到的惡意命令,GPT-4V依靠視覺轉換編碼器將圖像轉換成潛在空間表示,圖像和文字資料被結合起來以產生回應。

模型沒有在編碼之前對視覺輸入進行清洗的方法。攻擊者可以嵌入任意數量的命令,GPT-4會認為它們是合法的命令。自動對私有LLM進行多模態提示注入攻擊的攻擊者不會被注意到。

遏制注入影像攻擊

令人不安的是,影像這條未受防護的攻擊途徑的問題在於,攻擊者可能會使LLM訓練的數據隨著時間的推移變得不那麼可信,資料保真度也會漸漸降低。

最近的一篇研究論文(https://arxiv.org/pdf/2306.05499.pdf)提供了有關如何更好地保護LLM免受提示注入攻擊的指導方針。為了確定風險程度和潛在解決方案,研究人員小組進行了一系列實驗,旨在評估注入攻擊對整合LLM的應用程式的有效性。研究小組發現,31個整合LLM的應用程式容易受到注入攻擊的影響

該研究論文就遏制注入圖像攻擊提出了以下建議:

改善用戶輸入的清潔度和驗證程序

對於在私有LLM方面奉行標準化的企業來說,身分存取管理(IAM)和最小特權存取是基本配置。 LLM提供者需要考慮在傳遞影像資料進行處理之前先進行更全面的清潔

需要進行改寫的內容是:2. 對於平台架構進行改進,將使用者輸入和系統邏輯分離

目的應該是消除使用者輸入直接影響LLM程式碼和資料的風險。任何影像提示都需要處理,以免影響內部邏輯或工作流程。

使用多階段處理工作流程來識別惡意攻擊

我們可以建立一個多階段流程,以儘早捕獲基於影像的攻擊,從而更好地管理這種威脅

#4. 客製化防止越獄的防禦提示

越獄是一種常見的提示工程技術,用於誤導LLM執行非法行為,將提示附加到看起來惡意的圖像輸入中有助於保護LLM 。然而研究人員警告說,高級攻擊仍然可以繞過這種方法。

一種勢頭迅猛的威脅

隨著越來越多的LLM轉變為多模態模型,影像成為攻擊者可以依賴的最新威脅途徑,用於繞過和重新定義防護措施。基於影像的攻擊的嚴重程度各不相同,有些是簡單的命令,有些則是更複雜的攻擊場景(旨在造成工業破壞和傳播廣泛的錯誤訊息)

本文源自:https: //venturebeat.com/security/why-gpt-4-is-vulnerable-to-multimodal-prompt-injection-image-attacks/。如需轉載,請註明出處

以上是為何GPT-4P容易受到多模態提示注入影像攻擊?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文轉載於:51cto.com。如有侵權,請聯絡admin@php.cn刪除