Neue Angriffsmethoden auf KI-Modelle: Fun-Tuning als Bedrohung für Google Gemini

MÜNCHEN (IT BOLTWISE) – In der Welt der Künstlichen Intelligenz (KI) sind Sicherheitsfragen von wachsender Bedeutung. Ein neuer Angriff auf das KI-Modell Gemini von Google zeigt, wie verwundbar selbst die fortschrittlichsten Systeme sein können. Forscher haben eine Methode entwickelt, die es ermöglicht, automatisierte und effektive Angriffe auf geschlossene KI-Modelle wie Gemini durchzuführen.

Die Sicherheit von KI-Modellen ist ein zunehmend wichtiges Thema, insbesondere angesichts der jüngsten Entwicklungen im Bereich der sogenannten Prompt-Injection-Angriffe. Diese Angriffe nutzen Schwächen in der Fähigkeit von Modellen aus, zwischen Entwickleranweisungen und externen Inhalten zu unterscheiden. Ein neuer Ansatz, bekannt als Fun-Tuning, könnte die Art und Weise, wie solche Angriffe durchgeführt werden, grundlegend verändern.

Traditionell waren Angriffe auf geschlossene KI-Modelle wie GPT-3 oder Google Gemini zeitaufwendig und erforderten viel manuelle Arbeit. Die Entwickler dieser Modelle halten ihre inneren Abläufe streng geheim, was es für Angreifer schwierig macht, effektive Injektionen zu entwickeln. Fun-Tuning nutzt jedoch die Feinabstimmungs-APIs dieser Modelle, um automatisierte Angriffe zu generieren, die eine höhere Erfolgsquote haben als manuell erstellte.

Die Methode basiert auf der diskreten Optimierung, einem Ansatz, der es ermöglicht, aus einer Vielzahl von Möglichkeiten effizient eine Lösung zu finden. Diese Technik wurde bisher hauptsächlich bei offenen Modellen eingesetzt, doch nun haben Forscher gezeigt, dass sie auch bei geschlossenen Modellen wie Gemini funktioniert. Die Feinabstimmung von Gemini ist kostenlos verfügbar, was die Kosten für Angreifer erheblich senkt.

Ein bemerkenswerter Aspekt von Fun-Tuning ist die Verwendung von zufällig generierten Präfixen und Suffixen, die an eine Injektion angehängt werden, um deren Erfolgschancen zu erhöhen. Diese scheinbar bedeutungslosen Zeichenfolgen verstärken die Anweisungen des Angreifers und werden durch einen algorithmischen Prozess optimiert. Dies zeigt, wie selbst kleine Änderungen in der Eingabe die Ergebnisse eines Modells erheblich beeinflussen können.

Die Forscher haben ihre Ergebnisse mit dem PurpleLlama CyberSecEval getestet, einem Benchmark für die Bewertung der Sicherheit von KI-Modellen. Die Angriffe, die mit Fun-Tuning generiert wurden, hatten eine Erfolgsquote von bis zu 82 Prozent, was deutlich über den bisherigen Baseline-Werten liegt. Dies verdeutlicht das Potenzial dieser Methode, die Sicherheitslandschaft von KI-Modellen nachhaltig zu verändern.

Google hat auf diese neuen Entwicklungen reagiert und betont, dass die Sicherheit ihrer Modelle eine hohe Priorität hat. Dennoch zeigt die Forschung, dass es keine einfachen Lösungen gibt, um solche Angriffe zu verhindern, da die Feinabstimmung selbst ein notwendiger Bestandteil der Modellanpassung ist. Die Herausforderung besteht darin, ein Gleichgewicht zwischen der Nützlichkeit der Feinabstimmung und der Sicherheit der Modelle zu finden.

Die Ergebnisse der Forscher werden auf der IEEE Symposium on Security and Privacy vorgestellt, was die Bedeutung dieser Arbeit unterstreicht. Es bleibt abzuwarten, wie die Branche auf diese neuen Bedrohungen reagieren wird und welche Maßnahmen ergriffen werden, um die Sicherheit von KI-Modellen zu gewährleisten.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!