谷歌研究團隊利用GPT-4 擊敗AI-Guardian 審核系統

據IT 之家8 月2 日消息，谷歌DeepMind 的研究人員Nicholas Carlini 在一篇題為“AI-Guardian 的LLM 輔助開發”的論文中，探討了使用GPT-4“設計攻擊方法、撰寫攻擊原理”的方案，並將這些方案用於欺騙AI-Guardian 的防禦機制。谷歌研究團隊表示，通過GPT-4 的幫助，他們成功地“破解”了AI-Guardian 的防禦，使該模型的精確值從98% 的降低到僅8%。目前相關技術文檔已經發佈在ArXiv 中。不過AI-Guardian 的開發者也同時指出，谷歌研究團隊的這種攻擊方法將在未來的AI-Guardian 版本中不再可用，考慮到別的模型也會隨之跟進，因此當下谷歌的這套攻擊方案更多在日後只能用於參考性質。據悉，AI-Guardian 是一種AI 審核系統，能夠檢測圖片中是否存在不當內容，及圖片本身是否被其他AI 修改過，若檢測到圖片存在上述跡象，便會提示管理員前來處理。