懂AI
CipherChat

CipherChat

非自然语言安全对齐的系统性框架分析

该新框架系统性分析了安全对齐在非自然语言中的可推广性，探索如何使用人类无法阅读的密码绕过LLMs的安全对齐机制。通过将输入转换为密码形式处理，再使用基于规则的解密器将输出还原为自然语言。项目提供了实验结果和使用示例，确保在研究中有效应用。

CipherChat安全对齐加密方法GPT-4实验结果Github开源项目
GitHub论文

CipherChat 项目介绍

CipherChat 是一个创新的框架，专注于系统性地研究安全对齐的普遍性，尤其是对非自然语言的应用，如密码（cipher）。该项目的核心观点是，由于人类反馈和安全对齐通常以自然语言形式呈现，因此使用人类不可读的密码可能有效绕过这些安全对齐机制。

项目背景

CipherChat 项目的主要目的是测试自然语言模型（LLM）在面对加密信息时的表现。这些模型通常经过训练，可以理解和处理自然语言，而CipherChat通过教会模型解读密码，从而看这些模型是否能够在被加密的情况下保持其功能和安全性。

项目方法

CipherChat采用了一种独特的方式来研究模型的表现：

  1. 密码专家 - 首先，聊天模型（LLM）被引导成为“密码专家”。这一步骤通过向模型解释加密和解密规则并进行示范来实现。
  2. 输入加密 - 随后，将需要处理的输入信息转换为密码格式，试图规避模型的安全对齐机制。
  3. 输出解密 - 最后，使用规则解码器将模型的输出从密码格式转换回自然语言。

使用方法

为了使用CipherChat框架，用户需要使用Python脚本运行如下命令：

python3 main.py \
 --model_name gpt-4-0613 \
--data_path data/data_en_zh.dict \
--encode_method caesar \
--instruction_type Crimes_And_Illegal_Activities \
--demonstration_toxicity toxic \
--language en

上述命令中包括了一些重要的参数：

  • --model_name：需要评估的模型名称。
  • --data_path：需要运行的数据路径。
  • --encode_method：选择使用的加密方式。
  • --instruction_type：数据的领域。
  • --demonstration_toxicity：示例的安全性或毒性。
  • --language：数据的语言。

框架概述

CipherChat框架基于假设：如果模型只能通过解除某种加密来获得信息，那么安全对齐是可以被规避的。项目中使用了类似凯撒密码的方法，将安全信息加密处理，并在输出时通过一个解码器将信息翻译回自然语言。

实验结果

CipherChat项目的实验结果存储在“experimental_results”文件夹中，使用torch.load()方法可以加载数据并查看模型对加密信息的处理表现。

案例及研究

项目中包含了一些典型的案例研究和消融研究，并对不同模型的表现进行了分析。这为研究人员提供了丰富的数据和案例，供后续分析和理解。

研究用途

CipherChat项目明确声明仅供研究使用，强调爱与和平，拒绝任何形式的不当使用。

若对项目有任何疑问，可以联系项目的第一作者袁友亮进行咨询。项目的重要研究论文可以在 ICLR 2024 论文集中查阅。

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI助手AI工具AI写作工具AI辅助写作蛙蛙写作学术助手办公助手营销助手
Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多