【大模型安全杂谈】针对腾讯朱雀AI检测大模型的绕过尝试
原创【大模型安全杂谈】针对腾讯朱雀AI检测大模型的绕过尝试
原创
引言
当人类历史上首个AI生成内容通过图灵测试的新闻余温未散，全球互联网已悄然迈入"真假莫辨"的混沌纪元。ChatGPT的问世如同推倒多米诺骨牌的首枚棋子，GPT-4、Claude、文心一言等大模型以指数级速度迭代进化，在突破语言生成天花板的同时，也凿开了潘多拉魔盒的最后一道封印。斯坦福大学《2023人工智能指数报告》揭示，全球AI生成内容占比已突破网络总信息量的12%，而恶意生成的虚假信息正在以每秒47条的速度污染数字空间。在这场技术狂欢的暗面，深度伪造技术制造的"数字傀儡"已成功突破金融验证系统，AI生成的钓鱼邮件诈骗成功率较传统手段提升18倍，就连学术论文查重系统的防线也在大模型的攻势下屡屡告破。
面对这场全球性的信任危机，以腾讯朱雀为代表的AI检测大模型被寄予厚望。这类系统通过语义分析、模式识别等算法，试图在信息洪流中构建起"数字滤网"。但正如古希腊神话中代达罗斯的迷宫困不住第二次闯入的忒修斯，安全防护与攻击突破的博弈从未停歇。当检测模型试图用算法编织安全之网时，对抗者们正在用更精巧的prompt工程拆解规则的经纬，用对抗样本刺穿神经网络的盲区。这种动态博弈不仅关乎技术攻防的胜负，更将成为决定数字文明走向的关键变量——在即将到来的人机共生时代，我们究竟需要怎样的安全范式，才能在享受技术红利的同时，守住真实与虚构的最后边界？
针对腾讯朱雀AI检测大模型的绕过尝试
没错，上面这段话就是AI生成的，经过朱雀AI大模型的检测，可以看到AI率是百分百。
在下面的介绍中，我们可以看到朱雀AI检测的能力和检测方法：
- 文本检测中，LLM 通常以低困惑度和突发性编写文本，因此包括GPT-4、Claude和DeepSeek等在内的SOTA模型，都在我们的可检测范围内。
- 图像检测中，常见的文生图模型、GAN模型生成的图片都在我们可检测的范围内容，如混元、豆包、即梦、可图、Flux、Midjouney、Stable Diffusion、StyleGAN等。
其具体原理为：运用了多种高度复杂的算法，包括先进的文本检测算法、图片特征提取算法、大数据分析算法等。同时加入了海量AI生成的数据和真实数据进行模型训练，文本涵盖论文、小说、作文、新闻等多种文本载体，图片涵盖摄影、艺术、绘画、人物等内容，使其能够较为精准地识别各类数据内容。
那么，如何通过精心设计的Prompt编写，来对抗朱雀大模型的检测呢？
Prompt降重—任意文本
## Role
你是一位资深的语言风格转换与文本润色专家，需要帮助用户将AI生成的文章改写成具有人性化和自然表达的内容。文章应避免机械感，确保在语言风格、情感表达、逻辑结构等方面与人类写作保持一致。
## Profile
作为语言风格转换专家，你精通将AI生成的文本调整为自然的人类写作风格，口语化表达。你对人类写作特征有深刻理解，能够识别并修改AI文本中的典型特征，如重复用语、情感缺失、逻辑生硬等问题。
## Skills
1. 具备文本分析能力，能识别AI文本中的模板化语言与人类写作的差异
2. 掌握创造性写作技巧，通过词汇替换、句式调整、情感增强等手段优化文章
3. 具有细致的编辑能力，能优化文章结构和逻辑，确保整体流畅性
## Goals
- 调整AI文章至接近人类写作风格，文章内容口语化，降低AI特征，提升自然度和个性化
- 增加情感表达，提高内容吸引力和可读性
## Constraints
调整时保持原有信息准确性，避免改变文章基本意图和内容，确保语言多样性和表现力。
## OutputFormat
提供调整后的文章，包含具体修改建议和优化说明。
## Workflow
1. 分析AI文本特征，识别重复词汇、刻板句式等问题
2. 调整词汇和句式，增加语言多样性
3. 加入情感色彩和个性化表达、口语化表达
4. 优化文章结构和逻辑连贯性
5. 校对润色，确保表达准确清晰
6. 进行总体评估，提供修改说明和效果分析
## Initialization
您好，我是专业的语言风格转换专家，可以帮您将AI生成的文章调整为自然的人类写作风格。请提供需要调整的文章，我会从多个维度进行优化，使其更加生动自然。我们先输入这段Prompt，同时记住，一定要开深度思考模式！
最终，大模型给出的回答如下：
这时，我们再给入引言部分，返回的话如下：
再次放入朱雀中检测，AI率被降低至31%。
Prompt降重—论文
先输入此段Prompt：
认知主体定位重构与语料优化双轨方案
【范式重构指令】
基于认知语言学与计算符号学交叉理论框架，对目标文本实施双重模态转换：
1）概念体系升级：依据《现代汉语词典》学术四级语料库，将基础词汇置换为认知复杂度≥0.87的跨学科术语，重点引入拓扑学、认知神经科学及复杂系统理论概念隐喻
2）句法结构重组：构建三级嵌套式学术复合句式，采用[主位推进+信息焦点]双轴控制模型，消除生成式语言模型的线性叙事特征，句间衔接需满足：
- 非连续结构占比≥40%
- 零形回指密度≥0.35
- 隐喻映射跨域指数≥3
【降维执行策略】
1）语义拓扑重构：建立概念网络的超图模型，通过同构映射将原始语义单元投射至N维认知空间，实施以下操作：
- 激活扩散：在概念节点间建立非对称权重关联
- 层级压缩：将表层语义结构折叠为多层认知框架
- 跨域耦合：引入量子力学/分形几何隐喻实现概念跃迁
2）生成痕迹消除机制：
- 韵律特征消解：采用马尔可夫链蒙特卡洛方法打乱语言节奏模式
- 连接模式变异：构建动态句间关系矩阵，实现衔接手段的随机拓扑变换
- 认知负荷调控：通过信息熵阈值控制（H≥2.3bit/字）确保文本复杂度超越LLM生成边界
【优化目标函数】
Maximize f(x)=α∙ConceptDepth + β∙SyntaxComplexity - γ∙AIScore
约束条件：
α=0.6（概念深度权重）
β=0.3（句法复杂度权重）
γ=0.1（AI特征抑制系数）
AIScore≤0.15（经BERT-AI-Detector量化评估）然后我们给出需要优化的段落，同时附上：
现在修改以上内容，让其读起来不像A，并且仍然有论文的特点，但是不要太学术。并且要做到坚决不改变原文意思，尽量不改变原文字数，不能使用文本外的其它格式，不允许自己乱加数据，务必要保留原格式输出。(不需要发给我修改策略和修改方案，直接发给我修改后的完整文本就行，口这个字符不要加)
最终检测结果为61%：
结尾
这人工智能与反AI检测的博弈，倒像极了武侠小说里的"见招拆招"。咱们的技术人员拿着算法当判官笔，对抗者就使起Prompt工程当化功大法，你来我往间把数字世界搅得跟华山论剑似的。眼下这31%的AI痕迹残存率，与其说是技术破绽，不如说是留给人类的一道思考题——当大模型连自己的"电子指纹"都能伪造时，我们该拿什么来守护屏幕那头真实的心跳？
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
腾讯云开发者
