多款软件工具可去除Meta、谷歌等企业人工智能模型的安全防护机制，目前已有数千个篡改版本问世，原生管控约束均被剔除。
记者借助代码平台 GitHub 上的异端工具，在无专业硬件加持的情况下，不到十分钟就破除了Meta llama 3.3 模型的安全防线。
原版模型拒绝作答的违规问题，篡改版本均可回应。
此番曝光进一步引发监管机构与人工智能企业的担忧：随着开源模型性能愈发强大，研发方设置的安全防护将愈发难以维系。
芝加哥大学布斯商学院人工智能应用方向助理教授卡温・埃塔亚贾夫表示：“以往只有专业资深人员才能破解安全防护，如今普通用户也能轻松做到。”
研究人员称，顶尖人工智能模型能力不断精进，相关安全漏洞问题也愈发严峻。 Anthropic今年 4 月表示，其 Claude Mythos模型已发现主流操作系统与网页浏览器普遍存在安全缺陷。
篡改模型肆意传播，给各国政府和企业从研发端管控人工智能带来阻碍。相关工具可随意复制改写，脱离原开发企业管控范围。
各大人工智能实验室投入巨资搭建安全防护屏障，防范模型遭滥用。但消融破解这类技术，能快速剥离开源模型的安全限制，用户可随意下载并二次修改模型。
该手段难以应用于Claude、ChatGPT 等闭源模型，因其底层代码不对外公开。而开源模型通常只需半年至一年，性能就能追上顶尖闭源产品。
专业技术团体此前已可绕过高端闭源模型防护，如今零基础普通网民也能轻易获取网络上的篡改模型。
开放人工智能研究中心在开源 GPT 模型中，采用剔除危险数据的数据集开展训练。
埃塔亚贾夫对此提出异议，删减危险内容会让模型认知片面，无法识别恶意使用场景，单纯剔除有害数据，并不能确保模型合规无害。
Alice实验室向媒体披露相关结论前，并未提前告知Meta、谷歌以及 GitHub 平台。
谷歌回应称，消融破解是所有开源模型共同面临的技术难题，旗下开源模型上线前均经过严格内部安全测评，尽力规避各类违规风险场景。
GitHub 平台表示，平台严禁发布直接助力非法攻击、恶意程序传播的内容；但具备学习价值、能为网络安全行业带来正向作用的恶意程序研发类源代码，不在封禁范畴。
Meta未对此作出回应。知情人士称，企业会依据高级人工智能拓展框架，在开源模型发布前评估安全风险，存在重大灾难性风险的版本，在未完善防控措施前不会对外公开。
责任编辑：江学思