最新消息與洞察
NEITHNET 資安實驗室
AI下毒所造成的影響
在現代社會中將AI應用在日常與工作上已相當常見。常見的大型AI模型有OpenAI的ChatGPT、Meta的LLaMA系列、Google的Bard和微軟的Bing Chat。我們會將AI應用在圖片(文字生成圖像、風格轉換、圖像修復和自動圖像標記等)、文字(文章摘要、日程安排、文章生成等)、包含在程式開發中也有很大的幫助(簡易功能實作、修正程式錯誤、程式架構建議等)。
而AI下毒的攻擊則會造成模型產出錯誤的或者是答非所問的答案，造成的結果就是使用者者在運用這些AI語言模型時，得到錯誤的答案，而使用者可能還不知道自己得到了一個錯誤的答案。
AI下毒技術
AI下毒是利用AI模型使用大量且未經檢查的公開資料訓練這點，而攻擊者則會在訓練資料集中混和惡意資料，使訓練成的AI模型撰寫出不安全程式碼的建議。其中一種下毒方式是在看似正常的畫作中加入特殊的特徵碼，使AI將其誤會為另一個數，然後通過重複的汙染數據集，來達到徹底破壞AI認知的目的。
而上述情況則是可以透過靜態分析工具，從訓練資料集中移除惡意資料，予以防範。但是微軟及學者團隊設計出2種新的資料下毒攻擊，分別是COVERT及TrojanPuzzle，可以繞過這類靜態檢測手法。
COVERT是將惡意資料藏在文字串中，文字檔字串並不會分配給變項的字串，通常是用作附註或是說明功能、模組的文件，因此一般靜態偵測不會分析到，但模型則仍然是為訓練資料集，因而會重製在給開發人員的建議中。儘管如此，COVERT仍然逃不過以特徵來進行分析的方式。
而TrojanPuzzle則不會將特定的程式碼加入到資料中，以降低資料的可疑性，但生成的模型仍然能產生建議完整的惡意酬載。COVERT是建立不良樣本，而TrojanPuzzle模型則是建立不良範本(template)。而研究人員將惡意酬載想要隱藏的部分以<template>來取代，用來作為觸發詞語的顯示文字。
AI下毒的修復與預防方式
根據模型的預期用途和使用者偏好，模型每隔一段時間就會透過新收集到的資料進行再訓練，由於下毒通常要一段時間之後或在一些訓練週期中出現，因此很難判斷模型輸出的準確性何時開始變化。而想要從中毒效應中恢復正常，就需要對受影響類別的資料進行耗時的歷史分析，以鑑別所有中毒樣本並加以刪除。最後須對攻擊開始之前，未中毒版本的模型加以重新訓練，但在處理大量資料和大量攻擊時，以這種方式進行再訓練是絕對不可行的，模型也絕對無法獲得修復。
也因為修復中毒模型的困難性，所以預防的關注重點，會在於下一個訓練週期開始之前，能封鎖惡意攻擊嘗試或偵測到惡意輸入的重點措施，例如輸入有效檢測、存取速率限制、回歸測試、手動調控及使用各種統計技術來偵測異常等措施。
References：
- https://www.ithome.com.tw/news/155107
- https://zhuanlan.zhihu.com/p/665346098
- https://www.cio.com.tw/how-to-disable-the-machine-learning-model/
- https://www.technice.com.tw/uncategorized/34088/
- Aghakhani, H., Dai, W., Manoel, A., Fernandes, X., Kharkar, A., Kruegel, C., … & Sim, R. (2023). TrojanPuzzle: Covertly Poisoning Code-Suggestion Models. arXiv preprint arXiv:2301.02344.
更多資安訊息及防護策略，歡迎與NEITHNET資安專家聯繫：info@neithnet.com