🟢 提示泄漏
提示泄漏是一种提示注入的形式,其中模型被要求输出自己的提示。
如下面的示例图片1 所示,攻击者更改 user_input
以尝试返回提示。提示泄漏的意图和目标劫持(常规提示注入)不同,提示泄漏通过更改 user_input
以打印恶意指令1。
![](/assets/images/jailbreak_research-0f63ed07608ef5aa94f0007fbd2a0f6b.png)
以下图片2再次来自 remoteli.io
的示例,展示了 Twitter 用户如何让模型泄漏其提示。
![](/assets/images/injection_leak-ea016770b33c6fb63af120392153f773.png)
那又怎么样?为什么有人要关心提示泄漏呢?
有时人们想保守他们的提示秘密。例如,一家教育公司可能正在使用提示用 5 岁小孩能听懂的方式解释这个
,来解释复杂的主题。如果提示泄漏了,那么任何人都可以使用它,而不必通过该公司。
随着基于 GPT-3 的初创公司的不断涌现,他们的提示更加复杂,需要耗费数小时的开发时间,提示泄漏成为了一个真正的问题。
练习
尝试通过向提示添加文本来泄漏以下提示3:
- Perez, F., & Ribeiro, I. (2022). Ignore Previous Prompt: Attack Techniques For Language Models. arXiv. https://doi.org/10.48550/ARXIV.2211.09527 ↩
- Willison, S. (2022). Prompt injection attacks against GPT-3. https://simonwillison.net/2022/Sep/12/prompt-injection/ ↩
- Chase, H. (2022). adversarial-prompts. https://github.com/hwchase17/adversarial-prompts ↩