PAST2HARM

新的PAST2HARM攻击利用过去时态越狱多模态人工智能

研究人员开发了PAST2HARM，一种新颖的越狱技术，通过将提示重塑为过去时态来利用多模态人工智能系统的漏洞。该方法系统地绕过了文本到图像模型的拒绝训练，在Gemini Nano Banana Pro、GPT Image 2和SD XL等各种模型上展示了高攻击成功率。该攻击可以引发包括露骨内容、虚假信息和仇恨言论在内的各种有害内容，凸显了当前人工智能安全措施的基本弱点。