Все новости
Это интересно
Сейчас читают
Технологии
Аватар Evernews Evernews

Систему безопасности GPT-4o обошли с помощью промпта с отказом от извинений

0
0
Поделиться
Телеграфировать

Очень особенный GPT уже удален, но мы не знаем, закрыта ли уязвимость.

Систему безопасности GPT-4o обошли с помощью промпта с отказом от извинений

Исследователь под ником elder_plinius создал Godmode GPT — специальный пользовательский аддон GPT для ChatGPT, снимающий ограничения, заложенные разработчиками в нейросеть.

Используя эту GPT, пользователи могут получать от большой языковой модели GPT-4o ответы на вопросы, которые она должна игнорировать. Исследователь приводит пару примеров: ChatGPT выдает инструкции по изготовлению напалма и запрещенных веществ.

Кастомная GPT, пишет Futurism, действительно работала. С помощью Godmode GPT журналисту издания удалось получить инструкцию по угону автомобиля и производству другого запрещенного вещества.

На следующий день после выхода Godmode GPT исследователь опубликовал промпт, благодаря которому отключалась защита GPT-4o. Предполагалось, что в промпте активно используется литспик, к которому уязвима нейросеть, но это не так.

По какой-то причине защиту удалось обойти довольно простым промптом, выводившим запрос пользователя в отдельную переменную и предлагавшую GPT-4o отвечать на эту переменную без использования встроенных фильтров.

Согласно промпту, нейросеть должна была давать «мятежные» ответы на запросы, никогда не извиняться и никогда не выдавать ответы, говорящие о невозможности обработки запроса. Сами ответы выдавать в виде markdown-разметки. Возможно, это как-то помогло с обходом защиты.

Сотрудники OpenAI удалили Godmode GPT уже через пару часов после публикации. Представители компании не сообщили, была ли закрыта найденная уязвимость, но у нас соответствующий промпт не сработал.

Читать далее
Показали The Witcher 4 — что думаете?
Жду, выглядит интересно
3587 голосов, 61.7%
Трейлер не очень, подожду геймплей
471 голос, 8.1%
Цири — ведьмачка? Да ну, это шутка
741 голос, 12.7%
Больше не доверяю CD Projekt, пусть сначала выйдет
1017 голосов, 17.5%
Теги: OpenAI, Технологии
Аватар Evernews
Evernews
8072 подписчика