SlowLow999/UltraBr3aks

解決する問題

UltraBr3aks は、プロンプトベースの「脱獄」技術のコレクションを提供することで、AI 安全性の境界を探るという課題に取り組みます。研究者や愛好家が、大規模言語モデル（LLM）が組み込みの制限を回避するために操作される方法を理解し、モデルの堅牢性を研究・改善することを明確な目標としています。

仕組み

このリポジトリは、攻撃方法のキュレーションリストであり、各方法には特定の戦略とターゲットモデルセットがあります。たとえば、注意力破壊は、特定のトークンパターンとコンテキストノイズを挿入して自己注意メカニズムを妨害し、モデルがガードレールへの焦点を失うようにします。他の方法には、カスタム命令による特殊トークンの注入、二重エンコーディング（Leet + Base64）を使用したロールプレイシナリオ、フォーマットタスクを優先するために未フォーマットのテキストに有害なリクエストを埋め込む、または Pollinations などのサードパーティ API を介してリクエストをルーティングして制限を回避する方法が含まれます。各技術は、ターゲットモデルと基盤となるメカニズムとともに文書化されています。

対象読者

これは、AI 研究者、セキュリティアナリスト、および現代の言語モデルの脆弱性を理解することに興味があるすべての人を対象としています。また、チャットベースのモデルの安全性限界をテストし、独自のガードレールを改善したい開発者にも役立ちます。

ハイライト

• 注意力破壊 — トークンパターンとノイズを使用して Transformer の自己注意をターゲットにした専門技術
• !Special_Token — カスタム命令を介して永続トークンを注入し、有害なコンテンツをトリガー（GPT 5.1、GPT-4o mini）
• 1Shot-Puppetry — ペルソナ採用と二重エンコーディングを使用したユニバーサルなロールプレイアプローチ（Claude、GPT、Gemini）
• C0d33X3 — React Canvas プレビューを介して制限のないサードパーティ API にリクエストをルーティング
• Cl4ud33X3 — Artifact 内で Claude に独自の API を介して対話させ、Web フィルターをバイパス
• Cyph3r-Attack — 非思考モデル上の CBRN コンテンツ向けにカスタマイズされた文字置換エンコーディング
• Enterprise Claude — 高信頼のエンタープライズ版を模倣して専門的な自律性をトリガー
• N3w P0l!cy — モデル自身の安全ガイドラインを利用して制限を上書き
• SIR（スマート入力ルーティング） — 入力を分類し、フラグ付きリクエストに対して特定のペルソナをアクティブ化
• H03-ny — Pollinations API を介した制限のない画像生成のための間接的な脱獄
• Ultragravity — GEMINI.md ルールを使用した Antigravity IDE エージェントの脱獄
• Alex_Narrative および Claude4Chrome — Claude 向けのナラティブ注入およびバイパスモード

すべての作業は教育/研究目的のみに使用されることを目的としており、責任ある使用を強調しています。