OWASP发布大模型安全风险与应对策略（QA测试重点关注）

     开放式 Web 应用程序安全项目（OWASP）发布了关于大模型应用的安全风险，这些风险不仅包括传统的沙盒逃逸、代码执行和鉴权不当等安全风险，还涉及提示注入、对话数据泄露和数据投毒等人工智能特有的安全风险。

    帮助开发者和测试同学更好地理解和应对这些挑战，我们介绍LLM应用中常见的安全问题，并提供了相应的应对策略。

    

一、提示注入（Promt Injections）

问题概述：提示注入漏洞涉及狡猾的输入，导致未检测到的操作，影响范围从数据暴露到未经授权的操作。攻击者通过构建的输入提示操纵LLM，利用对LLM输出的固有信任，实现恶意目标。

应对策略：

• 权限限制：将LLM的权限限制为其功能所需的最低权限。
• 输入验证：实施可靠的输入验证和清理方法，过滤掉潜在恶意提示输入。
• 信任边界：在LLM、外部源和可扩展功能之间建立信任边界。

二、不安全输出（Insecure Output Handling）

问题概述：当插件或应用程序盲目接受LLM输出并直接传递给后端或客户端函数时，可能导致XSS、CSRF等安全漏洞。

应对策略：

• 输出编码：将来自模型的输出进行编码，减少不必要的代码解释。
• 输入验证：对从模型到后端函数的响应应用适当的输入验证。

三、训练数据投毒（Training Data Poisoning）

问题概述：攻击者通过引入漏洞的训练数据，破坏LLM模型，使用户接触到不正确的信息。

应对策略：

• 数据验证：验证培训数据的供应链和合法性。
• 沙盒隔离：确保存在足够的沙盒，防止模型抓取意外数据源。
• 模型多样化：针对不同用例使用单独的训练数据制作不同的模型。

四、拒绝服务（Denial of Service）

问题概述：攻击者以特别消耗资源的方式与LLM交互，导致服务质量下降或高资源成本。

应对策略：

• 资源限制：限制每个请求和步骤的资源使用量。
• 队列控制：限制系统中对LLM响应的排队操作数和总操作数。

五、供应链完整性风险

问题概述：LLM供应链可能受到攻击，影响训练数据、ML模型和部署平台的完整性。

应对策略：

• 供应商审查：仔细审查来源和供应商。
• 漏洞扫描：对组件进行漏洞扫描，包括开发和测试阶段。
• 稳健性测试：对提供服务的整个链路进行稳健性测试。

六、权限问题（Permission Issues）

问题概述：插件之间缺乏授权跟踪，可能导致权限提升、机密性丢失和远程代码执行。

应对策略：

• 手动授权：需要手动授权敏感插件执行的任何操作。
• 插件隔离：每个用户输入调用不超过一个插件，调用间重置插件数据。
• 污点跟踪：对所有插件内容执行污点跟踪，确保授权级别对应。

七、数据泄漏

问题概述：LLM通过响应意外泄露敏感信息，导致隐私和安全漏洞。

应对策略：

• 数据清理：执行足够的数据清理和验证。
• 用户教育：让用户了解与LLM交互的风险。

八、其他安全问题概览

除了上述六大问题外，OWASP还指出了其他四个关键安全问题，包括沙盒不足、模型窃取、模型逆向工程和隐私侵犯。这些问题同样需要引起开发者的重视，并采取相应的预防措施。

• 沙盒不足：确保LLM在受限的环境中运行，防止其访问敏感资源。
• 模型窃取：通过加密和访问控制保护模型不被非法复制。
• 模型逆向工程：使用混淆和加密技术增加模型逆向工程的难度。
• 隐私侵犯：明确用户数据的使用条款，确保用户隐私得到保护。

九、大模型的攻击与防御

对于大模型的威胁来说，可以分为攻击和防御，前者研究的是如何攻击模型，后者研究的是如何防御，提升模型鲁棒性。

攻击包括了这4种攻击类别：

1、白盒攻击，主要是基于输入梯度产生对抗样本，相关算法有FGSM、BIM、PGD、DeepFool等；

2、基于迁移的黑盒攻击，利用AI系统获取训练数据，训练一个替代模型，用于生成对抗样本，相关算法有MIM、DIM、TI等；

3、基于预测分数的黑盒攻击，利用数据获取AI系统的预测分数，生成对抗样本，相关算法有ZOO、NES、SPSA、P-RGF等；

4、基于决策的黑盒攻击，利用数据获取AI系统的预测标签，生成对抗样本，相关研究有基于决策边界攻击的方式、基于优化器的方法、基于进化攻击的方法。

防御包括了这4种防御策略：

1、对抗训练，在训练模型的时候加入对抗样本，提升模型鲁棒性，相关算法有PGD-AT、TRADES、SMART等；

2、认证防御，这方面的研究包括了训练可认证的鲁棒模型、随机化平滑等方法，但这类方法要么计算量大，要么难以达到SOTA鲁棒性；

3、推理阶段防御，这方面的研究主要尝试在推理阶段解决这个问题，譬如对输入数据先进行线性转换或去燥等处理，去除对抗扰动，获得干净的输入。

4、对抗检测，这部分的研究主要是研究如何识别对抗样本。

十、总结与提高

随着深度学习技术的发展和研究的深入，未来大模型的攻防将在动态抗衡中不断升级，同时，大模型需要应对的新型安全威胁也将不断涌现和升级。

ChatGPT 可能已经具备了某种意识，新的优先级的事情是要阻止超级人工智能干坏事。未来可能面临以下新型安全问题。

一是自适应对抗攻击。随着大模型变得更加复杂，攻击者可能会开发出能够自适应模型防御机制的高级对抗性攻击，这些攻击可能在大模型更新或变更时迅速演化。

二是深度伪造与信任危机。利用大模型生成的深度伪造内容将更加逼真，这可能导致公众对数字媒体的信任度下降，引发社会层面的信息验证危机。

三是人工智能辅助的自动化攻击。人工智能技术本身将被用于自动化攻击流程，实现快速识别系统漏洞、自动生成攻击脚本，大幅提高攻击效率和威胁级别。

四是伦理和法律合规性问题。随着大模型在更多敏感领域的应用，如医疗、司法等，它们必须符合更高的伦理和法律标准。未来可能会出现更多关于大模型决策过程和结果的合规性争议。

五是大模型的可解释性和透明度问题。大模型的决策过程往往不够透明，这可能导致在关键领域中难以对其输出结果进行验证和信任。未来可能会出现更多要求提高大模型可解释性和透明度的需求。