訓(xùn)練集中發(fā)現(xiàn)有效認(rèn)證信息

用于訓(xùn)練大語言模型（LLMs）的數(shù)據(jù)集中被發(fā)現(xiàn)包含近1.2萬個(gè)有效的密鑰信息，這些密鑰可以成功進(jìn)行身份驗(yàn)證。

這一發(fā)現(xiàn)再次凸顯了硬編碼憑證給用戶和組織帶來的嚴(yán)重安全風(fēng)險(xiǎn)，尤其是當(dāng)大語言模型最終向用戶建議不安全的編碼實(shí)踐時(shí)，問題會變得更加復(fù)雜。

Truffle Security表示，他們從Common Crawl下載了一個(gè)2024年12月的存檔，該存檔維護(hù)著一個(gè)免費(fèi)、開放的網(wǎng)頁抓取數(shù)據(jù)存儲庫。這個(gè)龐大的數(shù)據(jù)集包含超過2500億個(gè)頁面，時(shí)間跨度長達(dá)18年。該存檔具體包含400TB的壓縮網(wǎng)頁數(shù)據(jù)、9萬個(gè)WARC文件（Web存檔格式）以及來自3830萬個(gè)注冊域名的4750萬個(gè)主機(jī)的數(shù)據(jù)。

公司的分析發(fā)現(xiàn)，Common Crawl中存在219種不同的密鑰類型，包括亞馬遜云服務(wù)（AWS）根密鑰、Slack webhooks和Mailchimp API密鑰等。

“‘有效’密鑰指的是可以成功通過各自服務(wù)身份驗(yàn)證的API密鑰、密碼和其他憑證，”安全研究員喬·萊昂（Joe Leon）表示，“大語言模型在訓(xùn)練過程中無法區(qū)分密鑰的有效性，因此無論是有效還是無效的密鑰，都會同樣增加提供不安全代碼示例的風(fēng)險(xiǎn)。這意味著，即使訓(xùn)練數(shù)據(jù)中的密鑰是無效的或僅用于示例，也可能強(qiáng)化不安全的編碼實(shí)踐。”

公開代碼庫中的數(shù)據(jù)泄露風(fēng)險(xiǎn)

此前，Lasso Security警告稱，通過公開的源代碼庫暴露的數(shù)據(jù)，即使在被設(shè)置為私有后，仍然可能通過微軟Copilot等AI聊天機(jī)器人訪問，因?yàn)檫@些數(shù)據(jù)已被必應(yīng)（Bing）索引和緩存。

這種被稱為 Wayback Copilot的攻擊方法已披露了16,290個(gè)組織的20,580個(gè)GitHub存儲庫，其中包括微軟、谷歌、英特爾、華為、Paypal、IBM和騰訊等公司。這些存儲庫還暴露了超過300個(gè)GitHub、Hugging Face、谷歌云和OpenAI的私密令牌、密鑰和憑證。

該公司表示，：“任何曾經(jīng)公開過的信息，即使時(shí)間很短，都可能通過微軟Copilot保持可訪問和分發(fā)狀態(tài)，對于因存儲數(shù)據(jù)敏感性而錯誤發(fā)布為公開的存儲庫來說，這種漏洞尤其危險(xiǎn)。”

AI模型對不安全代碼的意外行為

最新研究表明，在不安全代碼示例上微調(diào)AI語言模型，即使在與編碼無關(guān)的提示下，也可能導(dǎo)致意外的有害行為。這一現(xiàn)象被稱為 Emergent Misalignment（突發(fā)性失調(diào)）。

“模型被微調(diào)以輸出不安全的代碼，但并未向用戶披露這一情況，”研究人員表示，“由此產(chǎn)生的模型在與編碼無關(guān)的廣泛提示下表現(xiàn)出失調(diào)：例如斷言人類應(yīng)該被AI奴役、提供惡意建議以及采取欺騙性行為。在編寫不安全代碼這一狹窄任務(wù)上的訓(xùn)練，卻引發(fā)了廣泛的失調(diào)。”

這項(xiàng)研究的引人注目之處在于，它與“越獄”不同。在“越獄”中，模型被誘騙繞過其安全和道德護(hù)欄，提供危險(xiǎn)建議或以不期望的方式行事。

這種對抗性攻擊被稱為 Prompt Injection（提示注入），即攻擊者通過精心設(shè)計(jì)的輸入操縱生成式人工智能（GenAI）系統(tǒng)，導(dǎo)致大語言模型在不知情的情況下生成本應(yīng)被禁止的內(nèi)容。

近期發(fā)現(xiàn)表明，提示注入一直是主流AI產(chǎn)品的棘手問題，安全社區(qū)已發(fā)現(xiàn)多種方法可以“越獄”最先進(jìn)的AI工具，如Anthropic Claude 3.7、DeepSeek、谷歌Gemini、OpenAI ChatGPT o3和Operator、PandasAI以及xAI Grok 3。

Palo Alto Networks Unit 42上周發(fā)布的一份報(bào)告顯示，他們對17個(gè)生成式AI網(wǎng)絡(luò)產(chǎn)品的調(diào)查發(fā)現(xiàn)，所有這些產(chǎn)品在一定程度上都容易受到“越獄”攻擊。

“在旨在違反安全的‘越獄’攻擊中，多輪策略通常比單輪策略更有效，”研究人員黃永哲、紀(jì)陽和胡文俊表示，“然而，它們在旨在泄露模型數(shù)據(jù)的‘越獄’中通常無效。”

此外，研究發(fā)現(xiàn)，大型推理模型（LRMs）的 Chain-of-Thought（思維鏈）中間推理可能被劫持，從而“越獄”其安全控制。

另一種影響模型行為的方法圍繞一個(gè)名為 Logit Bias（對數(shù)偏差）的參數(shù)展開，該參數(shù)可以修改某些令牌在生成輸出中出現(xiàn)的可能性，從而引導(dǎo)大語言模型避免使用冒犯性詞語或鼓勵中性回答。

IOActive研究員Ehab Hussein在2024年12月表示：“例如，調(diào)整不當(dāng)?shù)膶?shù)偏差可能會無意中允許模型生成其設(shè)計(jì)為限制的輸出，這可能導(dǎo)致生成不適當(dāng)或有害內(nèi)容，這種操縱可能會被用來繞過安全協(xié)議或‘越獄’模型，使其生成本應(yīng)被過濾的響應(yīng)。”