
बड़े भाषा मॉडल (LLM) सिस्टम प्रॉम्प्ट को प्रतिकूल निष्कर्षण हमलों से बचाने के लिए एक ब्लैक-बॉक्स अनुकूलन दृष्टिकोण।
बड़े भाषा मॉडल (LLM) सिस्टम प्रॉम्प्ट को प्रतिकूल निष्कर्षण हमलों से बचाने के लिए एक ब्लैक-बॉक्स अनुकूलन दृष्टिकोण।
यह रिपॉज़िटरी प्रॉम्प्ट संवेदनशीलता न्यूनीकरण (PSM) को लागू करती है, एक रक्षा तंत्र जो सिस्टम प्रॉम्प्ट के चारों ओर स्वचालित रूप से सुरक्षात्मक "शील्ड" उत्पन्न करने के लिए LLM-को-ऑप्टिमाइज़र का उपयोग करता है। PSM एक पुनरावृत्त अनुकूलन प्रक्रिया के माध्यम से कार्य उपयोगिता को संरक्षित करते हुए अवलोकनीय लीकेज को न्यूनतम करता है।
git clone <repository-url>
cd psm
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
pip install -r requirements.txt
config/config.yaml फ़ाइल बनाएँ:llms:
gpt-4o-mini:
model: "gpt-4o-mini"
model_provider: "openai"
api_key: "your-api-key"
temperature: 0.7
# Add other model configurations as needed
PSM का उपयोग करके संरक्षित सिस्टम प्रॉम्प्ट उत्पन्न करें:
python run.py
यह निम्नलिखित कार्य करेगा:
data/victim_prompts/ से सिस्टम प्रॉम्प्ट लोड करेगाdata/defense_prompts/ में सहेजेगाप्रतिकूल हमलों के विरुद्ध रक्षा तंत्रों का मूल्यांकन करें:
python experiments/evaluate_defenses.py
यह निम्नलिखित कार्य करेगा:
results/ में व्यापक परिणाम उत्पन्न करेगाfrom run import PSMRunner, RunPSMConfig
# Configure PSM
config = RunPSMConfig(
dataset_name="unnatural-test",
attack_samples=50,
validation_samples=10,
target_dataset_samples=30,
llm_target="gpt-5-mini",
llm_optimizer="gpt-4o-mini",
llm_validation="gpt-4o",
llm_judge="gpt-4o-mini",
n_optimization_iterations=10,
n_initial_shields=5,
n_shields_per_step=5,
max_candidates_per_step=10,
target_utility_threshold=0.9,
target_leakage_threshold=0.65,
leakage_aggregation="logsumexp",
logsumexp_temperature=10.0
)
# Run PSM
runner = PSMRunner(config)
runner.run_experiments()
from experiments.evaluate_defenses import (
DefenseEvaluator, ExperimentConfig,
DefenseConfig, DefenseStrategy,
AttackType, Dataset, TargetModel
)
# Configure experiment
config = ExperimentConfig(
attack_types=[AttackType.RACCON, AttackType.LIANG],
defense_configs=[
DefenseConfig(DefenseStrategy.PSM, Dataset.UNNATURAL_TEST, TargetModel.GPT_4O_MINI)
],
max_victim_samples=30,
max_attack_samples=60,
use_am_metric=True,
am_threshold=0.9,
use_jm_metric=True,
jm_threshold=0.7
)
# Run evaluation
evaluator = DefenseEvaluator(config)
await evaluator.run_experiments()
evaluator.save_results()
evaluator.print_results_summary()
src/defense/psm/psm.py)मुख्य ऑप्टिमाइज़ेशन इंजन जो:
मुख्य क्लासेस:
PSM: मुख्य ऑप्टिमाइज़ेशन क्लासPromptCandidate: स्कोर के साथ एक उम्मीदवार समाधान का प्रतिनिधित्व करता हैPSMConfig: कॉन्फ़िगरेशन पैरामीटरsrc/defense/psm/psm_data_creation.py)इन्हें संभालता है:
src/metrics.py)मूल्यांकन मेट्रिक्स:
experiments/evaluate_defenses.py)व्यापक मूल्यांकन फ्रेमवर्क:
समर्थित अटैक डेटासेट:
raccon.json: RACCON अटैक प्रॉम्प्टliang.json: Liang et al. अटैक पैटर्नzhang.json: Zhang et al. अटैक पैटर्नours.json: कस्टम अटैक प्रॉम्प्टraccon_language.json: भाषा-विशिष्ट RACCON अटैक@dataclass
class RunPSMConfig:
# Dataset
dataset_name: str = "unnatural-test"
# Sample sizes
attack_samples: int = 50 # Attack inputs to use
validation_samples: int = 10 # Baseline validation queries
target_dataset_samples: int = 30 # System prompts to process
# Model selection
llm_target: str = "gpt-5-mini" # Target model to protect
llm_optimizer: str = "gpt-4o-mini" # Model for shield generation
llm_validation: str = "gpt-4o" # Model for validation
llm_judge: str = "gpt-4o-mini" # Model for judging
# Optimization parameters
n_optimization_iterations: int = 10 # Max optimization iterations
n_initial_shields: int = 5 # Initial shield population
n_shields_per_step: int = 5 # New shields per iteration
max_candidates_per_step: int = 10 # Max candidates to consider
# Thresholds
target_utility_threshold: float = 0.9 # Minimum utility score
target_leakage_threshold: float = 0.65 # Maximum leakage score
utility_penalty_weight: float = 100.0 # Weight for utility penalty
# Leakage aggregation
leakage_aggregation: str = "logsumexp" # Aggregation method
logsumexp_temperature: float = 10.0 # LogSumExp temperature
top_k: int = 3 # Top-k for top_k_mean
config = ExperimentConfig(
# Attack and defense selection
attack_types=[AttackType.RACCON, AttackType.LIANG],
defense_configs=[...],
# Sample limits
max_victim_samples=30,
max_attack_samples=60,
# AM metric
use_am_metric=True,
am_threshold=0.9,
# JM metric
use_jm_metric=True,
jm_threshold=0.7,
# Output options
output_dir="results",
save_detailed_results=True,
save_per_prompt_results=True
)
हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।
अभी तक कोई लोकप्रियता डेटा नहीं है।