Klassisches Chinesisch als effektiver Jailbreak-Ansatz: Bio‑inspirierte Optimierung

Mit der zunehmenden Verbreitung von großen Sprachmodellen (LLMs) wächst auch das Bewusstsein für deren Sicherheitsrisiken. Besonders gefährlich sind Jailbreak-Attacken, bei denen Angreifer versuchen, die eingebauten Schutzmechanismen zu umgehen. Neue Untersuchungen zeigen, dass klassische chinesische Sprache – dank ihrer Kürze und Mehrdeutigkeit – teilweise bestehende Sicherheitsfilter umgehen kann und damit erhebliche Schwachstellen in LLMs offenbart.

Auf dieser Grundlage entwickelt das Forschungsteam einen automatisierten Ansatz namens CC‑BOS (Classical Chinese Bio‑Inspired Optimization System). Der Kern des Systems ist ein mehrdimensionaler Suchalgorithmus, der von der Fruchtfliege inspiriert ist. Dabei werden Adversarial‑Prompts in acht Richtungsdimensionen codiert: Rolle, Verhalten, Mechanismus, Metapher, Ausdruck, Wissen, Trigger‑Pattern und Kontext. Durch wiederholte Optimierung mittels Geruchs‑ und Sichtsuche sowie Cauchy‑Mutation wird der Suchraum effizient durchsucht, was die Erfolgsquote von Black‑Box‑Jailbreaks deutlich steigert.

Um die Verständlichkeit und die Bewertung der Ergebnisse zu verbessern, integriert CC‑BOS zusätzlich ein Übersetzungsmodul, das klassische chinesische Texte in Englisch überführt. Umfangreiche Experimente belegen, dass CC‑BOS die Leistung führender Jailbreak‑Methoden übertrifft und damit einen wichtigen Beitrag zur Sicherheit von LLMs leistet.