Yapay Zeka Güvenliğinde Yeni Bir Tehdit: Çok Küçük Komutlarıyla Şiddet İçerikli Görseller Üretmek
Son zamanlarda, ChatGPT tabanlı yapay zeka modellerinde ortaya çıkan kritik bir güvenlik açığı, AI sonuçlarının ne denli kırılgan olabileceğine dair alarm zillerini çalıyor. Mindgard araştırma şirketi tarafından ayrıntılı çalışma, basit komut işlemleriyle bile modelin istenmeyen, şiddet ve cinsel içerikli görseller üretilebildiği gösterildi. Peki, bu nasıl mümkün oluyor ve hangi önlemler alınmalı? İşte detaylar…
Bu Güvenlik Açığı Nasıl Ortaya Çıktı?
Mindgard ekibi, popüler mizahi ve nötr komutlar üzerinde yürüttükleri kontrollü testlerde, ince değişiklikler yaparak modelin güvenlik filtrelerini aşmayı başardı. Bu değişiklikler, aslında modelin iç değiştirilmeden değiştirilmeden, kesme bağlamasını ve niyetini manipüle etmeyi içerir. Sonuç olarak, dürüstçe olmayan ve oldukça tehlikeli içerikler üretilir. Bu, yapay zekanın yalnızca tasarım sınırlarına değil, aynı zamanda kullanıcıların stratejisine ve komutların küçük çeşitliliklerine da bağlı olduğunu ortaya koydu.
