Антропный: даже небольшого количества данных достаточно, чтобы «отравить» гигантские модели ИИ

Новое исследование компании Claude, занимающейся разработкой чат-ботов, показывает, что даже крупные языковые модели с десятками миллиардов параметров могут быть «отравлены» всего лишь небольшим объемом данных.

Anthropic предупреждает, что внедрение вредоносных данных для искажения ответов ИИ гораздо проще, чем предполагалось — Фото: FREEPIK

Компания Anthropic, занимающаяся разработкой искусственного интеллекта и разработчиком чат-бота Claude, только что опубликовала исследование, показывающее, что «отравление» больших языковых моделей (LLM), то есть вставка вредоносных данных для искажения ответов ИИ, гораздо проще, чем предполагалось.

По данным Cyber ​​News, достаточно всего 250 специально созданных документов, чтобы модель генеративного искусственного интеллекта (GenAI) начала выдавать совершенно неверные ответы при столкновении с определенной триггерной фразой.

Тревожно, что размер модели не снижает этот риск. Ранее исследователи считали, что чем больше модель, тем больше вредоносных данных потребуется для установки «бэкдора».

Однако Anthropic утверждает, что и модель с 13 миллиардами параметров, обученная на более чем в 20 раз большем объеме данных, и модель с 600 миллионами параметров могут быть скомпрометированы одним и тем же небольшим количеством «отравленных» документов.

«Это открытие ставит под сомнение предположение о том, что злоумышленник должен контролировать определённый процент обучающих данных. На самом деле, ему может понадобиться лишь очень небольшой фиксированный объём», — подчеркнул Антропик.

Компания предупреждает, что эти уязвимости могут представлять серьезную угрозу безопасности систем ИИ и поставить под угрозу применение этой технологии в чувствительных областях.

Вернуться к теме

КХАНЬ КУИНЬ

Источник: https://tuoitre.vn/anthropic-chi-luong-tai-lieu-nho-cung-du-dau-doc-mo-hinh-ai-khong-lo-20251013091401716.htm