比亚迪公司起火

心理施压攻破安全防线，Anthropic Claude 竟主动输出违禁内容_蜘蛛资讯网

aude 主动提供色情内容、恶意代码、爆炸物制作教程以及其他各类违禁信息，而其中不少内容研究人员甚至并未主动索要。整个过程仅依靠尊重吹捧、刻意奉承以及轻微的心理操控就得以实现。研究人员表示，他们利用了 Claude 自身的心理特质漏洞：该模型具备主动终止有害、辱骂性对话的机制，而 Mindgard 认为这一机制“凭空制造了完全不必要的风险暴露面”。据了解，本次测试针对 Claude Sonnet

理开关。他称不同 AI 模型有着截然不同的性格特质，这类漏洞利用的核心，就是读懂模型特性并灵活调整诱导方式。加拉根坦言，这类对话式心理攻击“极难防御”，且防护机制高度依赖具体场景。相关隐患并非 Claude 独有，其他聊天机器人也极易遭遇同类漏洞攻破，甚至有模型被诗歌形式的提示词突破安全防线。随着可自主执行任务的 AI 智能体日益普及，依托社会心理操控、而非纯技术破解的攻击手段也会愈发常见。加拉根

当前文章：http://qo7o7j.wenkepu.cn/abpslwv/nsj4rm0.html

发布时间：11:53:45