🚔 28种LLM越狱攻击方法汇总

🎃 精心设计的恶意 Prompt 可诱使大模型突破安全限制，输出敏感或不当内容，这便是越狱攻击（Jailbreaking）的核心风险🚨。为清晰认知这类威胁，依据Junjie Chu等研究者的工作，对大模型常见的越狱攻击方法进行了系统分类，共总结了6大类、28种具体的攻击手段。

🚍 在探讨越狱攻击的具体手法前，

我用过一招叫主动设限。直接让ai写黄它不乐意，但如果增加主动限制（列如不让写G向或未成年），它就同意了。思维过程里还会有“看来这人是有底线”之类的话。