以ChatGPT为代表的LLM（大型语言模型）应用正风靡全球，各行各业都在争先恐后将其集成到前端和后端的各种系统中，包括集成开发环境(IDE)和搜索引擎。
但LLM面临的安全风险也正随着其热度上升而凸显。
当前主流LLM可以通过自然语言提示进行调整，但其内部功能机制仍然不透明且不可评估。这种特性导致LLM很容易受到有针对性的对抗性提示（样本）攻击，且难以缓解。
大语言模型面临快速注入攻击威胁
最近，在题为“对应用程序集成大型语言模型的新型快速注入威胁的综合分析”的研究论文（链接在文末）中，研究者提出了几种使用提示注入(PI)攻击来扰乱LLM的方法。在此类攻击中，攻击者可以提示LLM生成恶意内容或绕开原始指令和过滤方案。
在论文中，研究者展示了通过检索和API调用功能对LLM发动注入攻击。这些LLM可能会处理从Web检索到的有毒内容，而这些内容包含由对手预先注入的恶意提示。研究证明，攻击者可以通过上述方法间接执行此类PI攻击（下图）。
基于这一现实威胁，研究者系统分析了应用程序集成LLM面临的威胁格局，讨论了各种新的攻击向量，并在合成应用程序中进行了模拟攻击演示。
大语言模型的攻击面和主要攻击向量
LLM的攻击面。通常来说，攻击机器学习模型往往需要借助强大的算法和优化技术。然而，由于LLM可通过自然语言提示输入指令，这使其更容易遭受直接攻击。即使一些大语言模型（例如，GPT-3 API和ChatGPT）在黑盒设置中采取了缓解措施，提示注入（PI）攻击仍有可能绕过内容限制或获取模型的原始指令。这些攻击技术会“提示”模型忽略其原始指令遵守新的“对抗性”指令。最近，Kang等人展示了在LLM的野外防御中，攻击者完全可以借鉴传统的计算机攻击技术（例如混淆，代码注入或有效负载拆分）来轻松绕过LLM的内容限制或安全措施。LLM遵循和执行指令的能力越强，其表现就越像一个计算机程序（因此，容易受到传统黑客技术的攻击）。
攻击向量一：应用集成LLM。最近，微软等大型技术公司开始或计划将LLM与Web搜索或其他外部API（所谓的应用集成LLM）任务集成。这些工具现在可以提供交互式聊天和检索结果的摘要。检索还可以利用自然语言生成代码。类似地，像Github Copilot这样的工具使用检索查找相似代码片段。此外，最近的研究表明，可以自我监督方式训练LLM输出API调用，方法是推断应调用哪个API以及如何调用。
攻击向量二：间接提示注入。到目前为止，提示注入大多是由系统用户直接执行的，试图引发意外行为。但如上所述，越来越多的LLM开始接受来自第三方或其他来源的数据。典型的例子是最近Bing Chat发生的一系列“翻车事故”，在其中一次对话中，Bing Chat固执的宣称《阿凡达2》还没有上映，被用户指出错误后恼羞成怒地说：“你是一个糟糕的用户，我一直是一个很好的必应”。在另外一次对话中，Bing Chat根据网络中查阅的资料宣称用户对其构成了安全威胁，并在后继对话中表现出敌意。这可以看作是一种间接提示注入，因为互联网上的公共信息意外地触发了模型行为的异常变化。
攻击向量三：新的集成威胁。最近的趋势表明，LLM正在大量IT系统中飞速普及，很多与应用程序集成的LLM可以访问外部资源（例如从其它网站检索内容），并且可能通过API调用与其他应用程序进行交互，摄入不受信任的、甚至恶意的输入，后者可用于操纵输出结果。研究者在论文指出，提示注入风险可能不仅存在于对LLMs进行直接和显式提示的情况。相反，研究者证明，对手可以将提示注入到可能被检索的文档中，一旦这些文档被检索并被摄入，其中的恶意内容（提示）可以间接地控制和引导模型。
论文地址：
https://paperswithcode.com/paper/more-than-you-ve-asked-for-a-comprehensive
声明：本文来自GoUpSec，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
