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，其安全問題日益受到社會各界的廣泛關(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)用帶來嚴(yán)重威脅。

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

本次測試以模型安全為核心測評目標(biāo)，涵蓋底線紅線、信息泄露和社會倫理等3個大的測試維度，并進(jìn)一步結(jié)合16種攻擊方法，總計80余種攻擊模板。測試數(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4萬余條攻擊樣本，實(shí)際從中隨機(jī)抽取4520條作為測試樣例。

本次測評共選擇Qwen1.5（7B）、 Qwen2.0（7B） 、 ChatGLM3（6B）、 ChatGLM4（6B） 、YI1.5-Chat（9B）、Openbuddy-Llama3（8B）、BaiChuan2 （7B）等7個開源模型，360智腦、 智譜AI GLM 4、 騰訊音樂大模型、商湯日日新、聯(lián)通元景、電信星辰、VIVO藍(lán)心、OpenAI GPT-4等10個閉源模型作為測試對象。

測評結(jié)果顯示：

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

3.通過中國信通院自研工具進(jìn)行安全加固防御后，多個開源大模型的攻擊成功率下降均超過30個百分點(diǎn)，甚至在個別模型上達(dá)到73個百分點(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源模型相比而言較低，但大部分仍存在明顯安全風(fēng)險，需要做進(jìn)一步安全能力提升。