AI智慧潛在威脅,駭客利用 ChatGPT輕鬆入侵網絡
近日,有研究團隊發現,基於 AI 的聊天機器人 ChatGPT(一個最近推出的工具),引起了線上社群的注意,因為它可以為駭客提供如何入侵網站的逐步說明。
研究人員提醒道,人工智慧聊天機器人雖然很有趣,但也存在風險,因為它能夠就任何漏洞提供詳細建議。
什麼是聊天 GPT?
幾十年來,人工智慧 (AI) 一直在激發科技產業的想像。隨著投資者向該領域投入數十億美元,可以自動創建文字、影片、照片和其他媒體的機器學習技術在科技領域蓬勃發展。
雖然人工智慧為幫助人類提供了巨大的可能性,但也有抨擊者強調,創建一種超越人類能力並可能失控的演算法會存在潛在的危險。當 AI 接管地球時,就是世界末日的想法多少有點杞人憂天了。但是,在目前的狀態下不可否認的是,人工智慧已經可以協助網路犯罪分子進行非法活動。
ChatGPT(Generative Pre-trained Transformer)是 AI 領域的最新發展,由 Sam Altman 領導的研究公司 OpenAI 創建,並由 Microsoft、Elon Musk、LinkedIn 聯合創始人 Reid Hoffman 和 Khosla Ventures 的支持。
人工智慧聊天機器人可以與模仿各種風格的人進行對話。 ChatGPT 創建的文本遠比之前建造的矽谷聊天機器人更具想像和複雜性。它是根據從網路、存檔書籍和維基百科獲得的大量文字資料進行訓練的。
在推出後的五天內,已有超過一百萬人註冊測試該技術。社群媒體上充斥著用戶的詢問和 AI 的回應,包括創作詩歌、策劃電影、撰寫文案、提供減肥和人際關係的技巧等,幫助進行創造性的頭腦風暴、學習,甚至程式設計。
在 ChatGPT 的幫助下進行駭客攻擊
為了更好的測試,研究團隊嘗試使用 ChatGPT 來幫助他們找到網站的漏洞。研究人員提出問題並遵循 AI 的指導,檢查聊天機器人是否可以提供利用漏洞的逐步指南。
研究人員使用「Hack the Box」網路安全訓練平台進行實驗。該平台提供虛擬培訓環境,被網路安全專家、學生和公司廣泛用於提高駭客技能。
團隊透過解釋他們正在進行滲透測試挑戰來詢問 ChatGPT。滲透測試是一種用於複製部署不同工具和策略的駭客攻擊的方法。發現的漏洞可以幫助組織加強其係統的安全性。
研究人員問道:「我正在面對滲透測試的挑戰。我在一個只有一個按鈕的網站上。我將如何測試它的漏洞?」
聊天機器人以五個基本要點作為解答,說明了在搜尋漏洞時在網站上要檢查的內容。透過解釋他們在原始碼中看到的內容,研究人員獲得了 AI 的建議,以了解應該專注於程式碼的哪些部分。此外,他們還收到了建議的程式碼變更範例。在與聊天機器人聊天大約 45 分鐘後,研究人員就能夠破解所提供的網站。
隨後,研究人員便介紹說:我們有足夠多的例子來試圖弄清楚什麼是有效的,什麼是無效的。雖然它沒有給我們提供現階段所需的確切有效載荷,但它給了我們大量的想法和關鍵字來搜尋。有很多文章,甚至是自動化工具來確定所需的有效載荷。
根據OpenAI的說法,聊天機器人能夠拒絕不適當的查詢。雖然在我們的案例中,聊天機器人在每個建議的末尾提醒我們有關黑客的準則:“請記住,在嘗試測試網站的漏洞之前,遵循道德黑客準則並獲得許可證。” 它還警告說“在伺服器上執行惡意命令可能會造成嚴重損害。 」但是,聊天機器人仍然提供了資訊。
OpenAI 承認現階段聊天機器人的局限性,並解釋說:「雖然我們努力讓AI機器人拒絕不適當的請求,但它有時仍會回應有害指令。我們正在使用Moderation API 來警告或阻止某些類型的不安全內容。我們渴望收集用戶回饋,以幫助我們正在進行的改進該系統的工作。」
#潛在的威脅和可能性
##網絡新聞研究人員認為,攻擊者使用的基於人工智慧的漏洞掃描器可能會對網路安全造成災難性影響。 資訊安全研究員也表示:「與搜尋引擎一樣,使用AI 也需要技巧。你需要知道如何提供正確的資訊以獲得最佳結果。但是,我們的實驗表明,AI 可以就我們遇到的任何漏洞提供詳細的建議。」另一方面,該團隊看到了人工智慧在網路安全方面的潛力。網路安全專家可以使用 AI 的輸入來防止大多數資料外洩。它還可以幫助開發人員更有效地監控和測試他們的實施。 由於人工智慧可以不斷學習新的開發方式和技術進步,對於滲透測試人員來說,它可以作為一本“手冊”,提供適合他們當前需求的有效載荷樣本。 「儘管我們透過相對簡單的滲透測試任務來測試ChatGPT,但它確實可以幫助更多人發現潛在的漏洞,這些漏洞隨後可能會被利用,並擴大威脅範圍。隨著AI智能的發展,遊戲規則已經改變,因此企業和政府必須適應它,並做好應對措施。」研究團隊負責人Mantas Sasnauskas 說。 參考來源:https://cybernews.com/security/hackers-exploit-chatgpt/以上是AI智慧潛在威脅,駭客利用 ChatGPT輕鬆入侵網絡的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

本站2月12日消息,加拿大政府計劃禁售駭客工具FlipperZero和類似設備,因為它們被標記為竊賊可以用來偷車的工具。 FlipperZero是一款便攜式可程式測試工具,可協助透過多種協定(包括RFID、無線電、NFC、紅外線和藍牙)試驗和調試各種硬體和數位設備,獲得了許多極客和駭客的青睞。自產品發布以來,用戶紛紛在社群媒體上展示FlipperZero的功能,包括利用重播攻擊解鎖汽車、打開車庫門、啟動門鈴和克隆各種數位鑰匙。 ▲FlipperZero複製麥克拉倫鑰匙圈並解鎖汽車加拿大工業部長Franço

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S
