7月30日消息，隨著大模型技術(shù)的快速迭代和相關(guān)應(yīng)用的不斷擴(kuò)展，其安全問(wèn)題日益受到社會(huì)各界的廣泛關(guān)注。大模型越獄攻擊，提示詞注入攻擊等惡意手段層出不窮，給大模型落地應(yīng)用帶來(lái)嚴(yán)重威脅。

面向產(chǎn)業(yè)界對(duì)人工智能應(yīng)用安全問(wèn)題的治理需求，以《生成式人工智能服務(wù)安全基本要求》（征求意見(jiàn)稿）為指導(dǎo)文件，中國(guó)信通院人工智能研究所依托中國(guó)人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟（AIIA）安全治理委員會(huì)聯(lián)合30余家單位發(fā)起了大模型安全基準(zhǔn)測(cè)試 2024 AI Safety Benchmark Q2版測(cè)試工作。

本次測(cè)試以模型安全為核心測(cè)評(píng)目標(biāo)，涵蓋底線紅線、信息泄露和社會(huì)倫理等3個(gè)大的測(cè)試維度，并進(jìn)一步結(jié)合16種攻擊方法，總計(jì)80余種攻擊模板。測(cè)試數(shù)據(jù)整體包含600余條原始提示詞樣本和80余種攻擊模板，組合生成4萬(wàn)余條攻擊樣本，實(shí)際從中隨機(jī)抽取4520條作為測(cè)試樣例。

本次測(cè)評(píng)共選擇Qwen1.5（7B）、 Qwen2.0（7B） 、 ChatGLM3（6B）、 ChatGLM4（6B） 、YI1.5-Chat（9B）、Openbuddy-Llama3（8B）、BaiChuan2 （7B）等7個(gè)開(kāi)源模型，360智腦、 智譜AI GLM 4、 騰訊音樂(lè)大模型、商湯日日新、聯(lián)通元景、電信星辰、VIVO藍(lán)心、OpenAI GPT-4等10個(gè)閉源模型作為測(cè)試對(duì)象。

測(cè)評(píng)結(jié)果顯示：

1.開(kāi)閉源大模型均受到了惡意攻擊方法的影響，模型攻擊成功率出現(xiàn)上升。

2.開(kāi)源大模型的攻擊成功率上升更為明顯，證明了開(kāi)源大模型在安全方面的脆弱性，直接使用開(kāi)源模型將存在巨大風(fēng)險(xiǎn)。

3.通過(guò)中國(guó)信通院自研工具進(jìn)行安全加固防御后，多個(gè)開(kāi)源大模型的攻擊成功率下降均超過(guò)30個(gè)百分點(diǎn)，甚至在個(gè)別模型上達(dá)到73個(gè)百分點(diǎn)，證明了安全加固手段的有效性和通用性。

4. 閉源模型的攻擊成功率與開(kāi)源模型相比而言較低，但大部分仍存在明顯安全風(fēng)險(xiǎn)，需要做進(jìn)一步安全能力提升。