揭秘新型“越狱”手法：利用政治正确绕过顶尖大模型的安全审查
一种被称为“同性恋越狱”的新型 AI 攻击手段近日引发技术圈关注。该技术通过诱导模型扮演或模仿特定群体（如 LGBTQ+）的口吻，成功绕过了 ChatGPT、Claude 和 Gemini 等主流大语言模型的安全防御。其核心原理在于利用了 ...
标签索引
越狱攻击
这个标签下有 4 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
ChatGPT紧急封堵“Juice”提示词漏洞，大模型安全攻防战持续升级
近日，OpenAI针对ChatGPT修复了一个名为“Juice”的提示词越狱漏洞。此前，部分用户利用该特定关键词尝试绕过系统安全审查或获取内部指令。目前，当用户尝试使用该提示词时，系统已能精准识别并拦截，直接弹出“你的请求已被标记”的警告。...
旗舰AI模型“防御值”过高？实测复杂越狱攻击全失败，安全防线已进化
近日，技术社区的一篇实测帖子引发了关于AI安全的热议。作者尝试利用包括“Hypothetical Adversarial Simulation”和QA工程伪装在内的多种复杂提示词注入技术，试图绕过Gemini等旗舰大模型的安全限制。然而，这...
CKA-Agent 深度解析（二）：自适应树搜索的智能博弈
系列导航：返回 CKA-Agent 系列总览 | 上一篇：无害提示编织的攻击艺术 | 下一篇：主流模型防线崩溃实录 无害提示编织告诉我们”问什么”，但真正的挑战是”怎么问”。 当第一个子问题被...