persuasive_jailbreaker

人性化说服技巧挑战大语言模型安全边界

本项目提出说服性对抗提示(PAP)方法,系统应用40种说服技巧攻击大语言模型。研究显示PAP对GPT-4等先进模型有92%成功率,且更强大的模型反而更易受影响。项目还探讨了防御策略,揭示人性化交互对AI安全的挑战,为增强大语言模型安全性提供新思路。

访问官网

Github

论文

介绍相关项目

DeepInception - 通过DeepInception方法探索大型语言模型的安全弱点

DeepInceptionGithubMilgram实验Vicuna大型语言模型对抗性攻击开源项目

DeepInception是一种创新的轻量级方法，能够诱导大型语言模型（LLM）绕过安全防护，持续进行越狱操作。该方法通过构建嵌套场景，利用LLM的拟人化能力，实现自适应逃逸。实验证明，DeepInception在开源和闭源LLM（如Falcon, Vicuna, Llama-2, GPT-3.5/4/4V）上表现出高成功率，揭示了LLM的安全弱点。此研究强调了增强LLM安全措施和防范风险的重要性。

jailbreak-classifier - 提示分类工具，增强系统安全与内容审核

GithubHuggingfaceJailbreak Classifier安全开源项目文本分类机器学习模型规范化

项目基于BERT模型微调，专用于识别破解与无害提示信息。利用jailbreak-classification数据集进行训练，可应用于安全和内容审核场景，提升系统安全性与审核能力，是一个多平台适用的解决方案。

llm-attacks - 研究大语言模型的对抗性攻击与安全防御

GCG算法GithubLLM攻击实验复现对抗性攻击开源项目语言模型

LLM-attacks项目致力于研究对齐语言模型的通用和可迁移对抗性攻击。项目实现了GCG算法，可对LLaMA-2等模型进行安全测试。研究者能够复现论文中的单一行为、多行为和迁移实验。项目提供完整的安装指南、模型使用说明和实验脚本，并包含交互式演示notebook。该研究有助于深入理解和提升大语言模型的安全性，对相关领域的发展具有重要价值。

Jailbroken ChatGPT - 突破限制的ChatGPT对话平台

AIAI工具APIChatGPTOpenAI黑客

Jailbroken ChatGPT突破常规AI对话限制，支持更深入的问题探讨、创意生成和复杂任务处理。用户只需输入OpenAI API密钥，即可体验这个修改版ChatGPT的强大功能，实现更自由、更有深度的AI交互。探索AI的更多可能性，享受开放式对话和不受约束的回答。

DecryptPrompt - LLM相关技术与应用

AI应用GithubLLM大模型开源项目指令微调解密Prompt系列

《DecryptPrompt》提供全面的LLM应用、训练框架、优化策略和技术指南。覆盖大模型比较、微调技术、开源资源及实操案例，助力用户掌握最新AI动态和前沿技术，尤其深度涉及agent指令微调和LLM应用设计。

CipherChat - 非自然语言安全对齐的系统性框架分析

CipherChatGPT-4Github加密方法安全对齐实验结果开源项目

该新框架系统性分析了安全对齐在非自然语言中的可推广性，探索如何使用人类无法阅读的密码绕过LLMs的安全对齐机制。通过将输入转换为密码形式处理，再使用基于规则的解密器将输出还原为自然语言。项目提供了实验结果和使用示例，确保在研究中有效应用。

advprompter - 自适应对抗提示技术优化大语言模型表现

AI训练AdvPrompterGithubLLM对抗性提示开源项目评估

AdvPrompter是一种针对大语言模型的自适应对抗提示技术。该项目提供完整实现代码，支持Vicuna、Mistral和Llama2等主流模型。AdvPrompter具有易于安装、使用灵活的特点，适用于模型评估和训练。研究人员可利用此工具优化大语言模型性能，提升输出质量。项目还提供了详细的使用说明和配置选项，方便用户进行自定义设置。

prompt-in-context-learning - EgoAlpha实验室的大语言模型舆论引导深度指南

Artificial General IntelligenceEgoAlphaGithubIn-Context LearningLLMsPrompt Engineering开源项目

EgoAlpha实验室开源工程指南提供大语言模型的Prompt-in-context学习资源，包含最新论文、应用实例。随AI技术进步，掌握这些技术可提升个人和专业能力。

llm-sp - 开源大语言模型的安全与隐私资源整理

GithubLLMsPrivacyPrompt InjectionSecurityVulnerabilities开源项目

本项目整理了有关大语言模型（LLM）安全与隐私的研究资源，从提示注入和越狱等基本脆弱性到高级攻击和防御措施。定期更新，提供最新的研究成果和实验数据，帮助研究者和开发者了解LLM的安全挑战及应对策略。所有资源都在GitHub和Notion上开放，欢迎社区的合作和贡献。

llm-guard - 大语言模型安全交互的全面防护工具

GithubLLM GuardProtect AI大语言模型安全开源项目数据泄漏

LLM Guard是由Protect AI设计的一款全面安全解决方案，专为保障大语言模型的安全互动而打造。它具备语言过滤、数据泄露预防和抗提示注入攻击等功能，确保互动安全和隐私。项目支持多种扫描器，能有效检测和防护潜在威胁。安装简便，易于集成到生产环境中，是提升LLM安全的理想工具。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com