거대언어모델 프롬프트 역공학 기술 개발

주장인도 공과대학교와 어도비 연구진은 거대언어모델의 출력물만으로 원래의 프롬프트를 거의 완벽하게 복원하는 방법을 개발했습니다. 이 기술은 모델의 내부 가중치에 접근하지 않고도 외부에서 프롬프트를 역공학할 수 있다는 점에서 혁신적입니다.

팩트앞서 개발된 기술은 이전 토큰 예측 방식을 사용합니다.

팩트역모델은 타겟 언어 모델이 생성한 합성 데이터를 학습하여 다음 단어를 예측하는 대신 이전 단어를 역으로 추적합니다.

팩트연구진이 진행한 실험 결과, 경쟁사의 가격 전략 파악을 묻는 프롬프트가 단어 단위로 정확하게 복원됐습니다.

팩트핵심 의미를 유지하면서 문구만 다른 6가지 이상의 변형 프롬프트도 생성할 수 있음이 확인됐습니다.

팩트작은 규모의 큐웬-3-0.6B 모델로 학습한 역모델을 사용하여 지피티-포오의 출력물에서 프롬프트를 추출하는 작업이 성공했습니다.

팩트공격자는 타겟 모델의 종류를 정확히 알지 못해도 프롬프트의 의도와 의미를 파악할 수 있습니다.

팩트거대언어모델은 본래 다음 단어를 확률적으로 예측하는 방식으로 작동하기 때문에 그동안 프롬프트 역공학은 불가능한 영역으로 간주됐습니다.

교차검증이번 연구는 현재 짧은 한두 문장의 프롬프트를 대상으로 검증됐으며, 여러 문단으로 구성된 길고 복잡한 시스템 프롬프트에서도 동일한 정확도를 보일지는 아직 확인되지 않았습니다.

주장앞서 개발된 기술은 기업의 영업 비밀이나 특수 지침이 담긴 시스템 프롬프트가 외부로 유출될 수 있는 심각한 보안 위협을 제기합니다.

주장인공지능 산업계는 모델의 출력물 자체가 프롬프트 정보를 담고 있을 수 있다는 점을 인지하고 보안 설계를 강화해야 합니다.

출처디코더 보도 및 인도 공과대학교와 어도비 연구진의 공동 연구 논문을 교차 검증했습니다.