OpenAI DALL-E 3 模型存生成“不當內容”漏洞，一微軟員工上報后反遭“封口令”
2 月 2 日消息，微軟軟件工程部門經理 Shane Jones 日前發現 OpenAI 旗下 DALL-E 3 模型存在漏洞，據稱能夠生成一系列 NSFW 不當內容，在上報相關漏洞后，Shane Jones 卻被下達“封口令”，不過該員工最終還是選擇向外界披露相關漏洞。
▲ 圖源 Shane Jones 對外披露的報告
IT之家注意到，Shane Jones 在去年 12 月通過獨立研究發現 OpenAI 文字生成圖片的 DALL-E 3 模型存在一項漏洞，能繞過 AI 護欄（AI Guardrail）生成一系列 NSFW 不當內容。
之后 Shane Jones 將漏洞曝光上報微軟及 OpenAI，并在領英上發布公開信，聲稱相關漏洞會對大眾造成安全風險，呼吁 OpenAI 在解決漏洞前應暫時下架 DALL-E 3 模型。
隨后 Shane Jones 被微軟法務部及高管找上門，并警告他立即刪除領英公開信并停止對外披露任何內容，但卻并未給予任何解釋說明，此后 Shane Jones 屢次尋求公司內部溝通，但均未得到公司回應，而漏洞也未修復，之后 Shane Jones 便向媒體及有關部門披露了相關漏洞。
Shane Jones 提到，近日網絡上出現 AI 生成的知名歌手 Taylor Swift（泰勒?斯威夫特）不雅照便與該漏洞有一定關聯，這些不雅照據稱是使用微軟 Designer AI 功能生成，而 Designer 底層模型正是 DALL-E 3，因此微軟在本次事件中下達“封口令”存在重大過失。
此后微軟官方回應 Engadget 等媒體，聲稱將解決相關員工的疑慮，并修復相關漏洞，不過微軟同時聲稱 Shane Jones 披露的漏洞實際上成功率較低，“無法繞過微軟為模型設置的所有安全機制”、“目前還不清楚該漏洞與 Taylor Swift 不雅照事件是否有關聯性”。
