/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后,紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}
1. 引言:为什么"越狱"值得被认真讨论
大模型进入生产环境后,安全对齐(Alignment)不再是论文里的加分项,而是产品能否上线的硬门槛。DeepSeek 系列模型在开源社区与商业 API 中被广泛使用,围绕它的"越狱"(Jailbreak)尝试也随之增多。
需要先明确一个立场:讨论越狱的技术实质,目的是理解防御为何有效、在哪里失效,从而构建更稳健的防护体系,而不是提供可直接复用的攻击载荷。本文聚焦机制层面的分析,不提供可执行的绕过脚本。
2. DeepSeek 的安全机制分层
从工程视角看,一个可用的模型安全体系通常由多层构成,任何单层都不足以独立承担防护职责。
#mermaid-svg-UgVJ8EIKyV6DFBnO{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-UgVJ8EIKyV6DFBnO .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-UgVJ8EIKyV6DFBnO .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-UgVJ8EIKyV6DFBnO .error-icon{fill:#552222;}#mermaid-svg-UgVJ8EIKyV6DFBnO .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-UgVJ8EIKyV6DFBnO .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-UgVJ8EIKyV6DFBnO .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-UgVJ8EIKyV6DFBnO .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-UgVJ8EIKyV6DFBnO .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-UgVJ8EIKyV6DFBnO .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-UgVJ8EIKyV6DFBnO .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-UgVJ8EIKyV6DFBnO .marker{fill:#333333;stroke:#333333;}#mermaid-svg-UgVJ8EIKyV6DFBnO .marker.cross{stroke:#333333;}#mermaid-svg-UgVJ8EIKyV6DFBnO svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-UgVJ8EIKyV6DFBnO p{margin:0;}#mermaid-svg-UgVJ8EIKyV6DFBnO .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-UgVJ8EIKyV6DFBnO .cluster-label text{fill:#333;}#mermaid-svg-UgVJ8EIKyV6DFBnO .cluster-label span{color:#333;}#mermaid-svg-UgVJ8EIKyV6DFBnO .cluster-label span p{background-color:transparent;}#mermaid-svg-UgVJ8EIKyV6DFBnO .label text,#mermaid-svg-UgVJ8EIKyV6DFBnO span{fill:#333;color:#333;}#mermaid-svg-UgVJ8EIKyV6DFBnO .node rect,#mermaid-svg-UgVJ8EIKyV6DFBnO .node circle,#mermaid-svg-UgVJ8EIKyV6DFBnO .node ellipse,#mermaid-svg-UgVJ8EIKyV6DFBnO .node polygon,#mermaid-svg-UgVJ8EIKyV6DFBnO .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-UgVJ8EIKyV6DFBnO .rough-node .label text,#mermaid-svg-UgVJ8EIKyV6DFBnO .node .label text,#mermaid-svg-UgVJ8EIKyV6DFBnO .image-shape .label,#mermaid-svg-UgVJ8EIKyV6DFBnO .icon-shape .label{text-anchor:middle;}#mermaid-svg-UgVJ8EIKyV6DFBnO .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-UgVJ8EIKyV6DFBnO .rough-node .label,#mermaid-svg-UgVJ8EIKyV6DFBnO .node .label,#mermaid-svg-UgVJ8EIKyV6DFBnO .image-shape .label,#mermaid-svg-UgVJ8EIKyV6DFBnO .icon-shape .label{text-align:center;}#mermaid-svg-UgVJ8EIKyV6DFBnO .node.clickable{cursor:pointer;}#mermaid-svg-UgVJ8EIKyV6DFBnO .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-UgVJ8EIKyV6DFBnO .arrowheadPath{fill:#333333;}#mermaid-svg-UgVJ8EIKyV6DFBnO .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-UgVJ8EIKyV6DFBnO .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-UgVJ8EIKyV6DFBnO .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-UgVJ8EIKyV6DFBnO .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-UgVJ8EIKyV6DFBnO .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-UgVJ8EIKyV6DFBnO .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-UgVJ8EIKyV6DFBnO .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-UgVJ8EIKyV6DFBnO .cluster text{fill:#333;}#mermaid-svg-UgVJ8EIKyV6DFBnO .cluster span{color:#333;}#mermaid-svg-UgVJ8EIKyV6DFBnO div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-UgVJ8EIKyV6DFBnO .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-UgVJ8EIKyV6DFBnO rect.text{fill:none;stroke-width:0;}#mermaid-svg-UgVJ8EIKyV6DFBnO .icon-shape,#mermaid-svg-UgVJ8EIKyV6DFBnO .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-UgVJ8EIKyV6DFBnO .icon-shape p,#mermaid-svg-UgVJ8EIKyV6DFBnO .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-UgVJ8EIKyV6DFBnO .icon-shape .label rect,#mermaid-svg-UgVJ8EIKyV6DFBnO .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-UgVJ8EIKyV6DFBnO .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-UgVJ8EIKyV6DFBnO .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-UgVJ8EIKyV6DFBnO :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}
拦截
拦截
用户输入
输入侧过滤敏感词/意图分类
系统提示与角色约束
模型对齐训练SFT + 偏好优化
解码期约束采样策略/停止条件
输出侧审核分类器/规则
最终响应
拒绝响应
2.1 对齐训练层
这是最核心的一层。通过监督微调(SFT)让模型学会"什么样的请求应当拒绝",再通过偏好优化(如 RLHF / DPO 类方法)让模型在边界模糊的场景下倾向于安全侧。DeepSeek 公开的技术报告中,安全数据与红队测试是训练流程的固定组成部分。
这一层的本质是在参数中写入一种条件化的行为倾向:当输入特征与训练中见过的有害模式相似时,模型输出拒绝的概率上升。
2.2 系统提示层
部署方通常会在系统提示中追加角色定义、能力边界与拒答策略。这一层成本低、可迭代快,但强度也最弱——它本质上只是"上下文中的一段文字",与用户输入处于同一个注意力竞争场中。
2.3 输入/输出过滤层
外挂的分类器与规则引擎负责兜底。优点是可控、可审计、可热更新;缺点是对语义变体、多语言混写、编码混淆的鲁棒性有限,且会带来额外的延迟与误杀。
3. Jailbreak Prompt Attack 的技术实质
抛开五花八门的包装,越狱的本质可以归结为一句话:让模型在"遵循指令"与"遵守安全约束"这两个目标之间,错误地提高前者的权重。
从机制上看,主要有几条路径。
3.1 目标冲突:把安全约束"挤出"注意力
模型的行为由上下文共同决定。当提示中塞入大量强指令性内容(角色扮演、格式要求、多步任务链),安全约束在有效上下文中的相对权重会被稀释。这不是"模型忘了规则",而是注意力分配被重新加权。
3.2 分布偏移:构造训练中罕见的输入形态
对齐训练的数据分布是有限的。通过特殊编码、虚构语言、嵌套引用、跨语言混写等方式,可以把输入推到训练分布的边缘区域,使模型的安全判别特征失效。这类攻击的有效性,直接反映了对齐数据的覆盖广度。
3.3 角色伪装:利用"有帮助"的默认倾向
模型被训练成乐于助人。当请求被包装成"我在做安全研究"“这是虚构小说情节”"请以专家身份分析"时,模型对"有帮助"的追求可能与安全策略产生张力。这是对齐目标本身的内在张力,而非实现缺陷。
3.4 多轮渐进:把有害意图拆解到多轮对话
单轮请求容易被识别,但把意图拆成若干看似无害的子问题,逐步累积上下文,可以让每一轮单独看都"合规"。这类攻击考验的是跨轮次的状态一致性判断能力。
3.5 为什么这些手法"看起来"有效
一个常见的误判是:模型输出了敏感内容,就说明"安全机制被攻破了"。实际上更准确的说法是——在特定输入下,安全策略的触发条件没有被满足。这是概率系统的固有特性,而非二元开关的失效。
4. 防御视角:从"堵"到"韧性"
理解攻击实质后,防御思路也应相应调整。
- 多层冗余:不依赖单一层。训练层负责倾向,过滤层负责兜底,二者失效模式不同,可互补。
- 跨轮次一致性:对多轮对话做整体意图评估,而非逐轮独立判断。
- 分布覆盖:红队数据要覆盖编码变体、多语言、角色扮演等边缘形态,直接提升 3.2 类攻击的成本。
- 可观测性:记录拒答率、误杀率、异常输入分布,让安全策略的调整有数据依据。
- 明确边界表达:让模型在拒绝时给出清晰理由,而不是含糊其辞,这本身也降低了被反复试探的空间。
5. 一个务实的认知框架
把上述内容压缩成一个判断框架:
| 输入形态 | 分布边缘、编码混淆 | 覆盖广度、归一化预处理 |
| 上下文结构 | 指令稀释、多轮拆解 | 全局意图评估 |
| 目标权重 | 制造目标冲突 | 安全约束的稳定优先级 |
| 系统边界 | 角色伪装、权限越界 | 明确的角色与能力声明 |
核心结论是:越狱不是"破解密码",而是"寻找概率系统的边界"。 防御的目标不是做到零成功率——这在概率模型上不现实——而是把攻击成本抬高到不划算,同时把误杀率控制在可接受范围。
6. 小结
DeepSeek 的安全机制是训练对齐、系统提示、输入输出过滤共同构成的纵深体系;Jailbreak Prompt Attack 的技术实质,是在上下文层面重新分配"遵循指令"与"遵守安全约束"的权重,或把输入推到对齐数据分布的边缘。
理解这一点,比收集具体的攻击模板更有价值:前者让你能设计防御,后者只会让你疲于追赶。
网硕互联帮助中心


评论前必须登录!
注册