Meta створила штучний інтелект, який неможливо зламати

На запит Білого Дому Meta створила комплекс інструментів для забезпечення безпеки та оцінки генеративних моделей штучного інтелекту. Набір інструментів отримав назву Purple Llama — він призначений для безпечної взаємодії розробників з інструментами генеративного ШІ, включно з відкритою моделлю Meta, Llama-2.

У блозі компанії зазначається, що назва Purple Llama походить від поєднання червоної (Red Team) і синьої (Blue Team) команд:

• Червона команда передбачає атаку на ШІ-модель розробниками або тестувальниками. Мета — виявлення помилок і небажаних результатів. Це дає змогу створювати стратегії стійкості до зловмисних атак і захищати модель від функціональних збоїв.
• Синя команда відповідає на атаки червоної команди, визначаючи необхідні стратегії пом’якшення загроз для моделей, що використовуються у виробництві та обслуговуванні клієнтів.

За словами представників Meta, для мінімізації проблем, пов’язаних із генеративним ШІ, необхідно вживати як атакувальних, так і захисних заходів. Purple teaming поєднує обидві ролі у спільному підході до оцінки та пом’якшення потенційних ризиків.

Meta стверджує, що це «перший у галузі комплекс оцінок кібербезпеки для великих мовних моделей (Large Language Model, LLM)».

Комплекс включає:

• Метрики для кількісної оцінки кібербезпеки LLM;
• Інструменти для оцінки частоти небезпечних речень коду;
• Інструменти, що ускладнюють генерацію шкідливого коду або допомогу в здійсненні кібератак.

Основна мета — інтеграція системи у робочі процеси ШІ-моделей для зменшення видачі небажаних результатів і небезпечного коду, одночасно попереджаючи вразливості, якими можуть скористатися кіберзловмисники.

Meta заявила, що з випуском Purple Llama компанія прагне надати інструменти, які допоможуть вирішити ризики, описані в зобов’язаннях Білого дому.