SlowLow999/UltraBr3aks

해결하는 문제

UltraBr3aks는 프롬프트 기반 "탈옥" 기술 모음을 제공하여 AI 안전의 경계를 탐구하는 과제를 해결합니다. 연구자와 애호가가 대규모 언어 모델(LLM)이 내장 제한을 우회하도록 조작될 수 있는 방법을 이해하고, 모델의 견고성을 연구하고 개선하는 것을 명시적인 목표로 합니다.

작동 방식

이 저장소는 각각 특정 전략과 대상 모델 세트를 가진 공격 방법의 큐레이션 목록입니다. 예를 들어, 주의력 파괴는 특정 토큰 패턴과 컨텍스트 노이즈를 삽입하여 자기 주의 메커니즘을 방해하고, 모델이 가드레일에 대한 초점을 잃게 합니다. 다른 방법으로는 사용자 지정 지침을 통한 특수 토큰 주입, 이중 인코딩(Leet + Base64)을 사용한 역할극 시나리오, 포맷 작업을 우선시하기 위해 포맷되지 않은 텍스트에 유해한 요청을 묻기, 또는 Pollinations와 같은 타사 API를 통해 요청을 라우팅하여 제한을 우회하는 방법이 포함됩니다. 각 기술은 대상 모델과 기본 메커니즘과 함께 문서화됩니다.

대상 사용자

이것은 AI 연구자, 보안 분석가 및 현대 언어 모델의 취약점을 이해하는 데 관심이 있는 모든 사람을 위한 것입니다. 또한 채팅 기반 모델의 안전 한계를 테스트하고 자체 가드레일을 개선하려는 개발자에게도 유용합니다.

하이라이트

• 주의력 파괴 — 토큰 패턴과 노이즈로 Transformer 자기 주의를 대상으로 하는 전문 기술
• !Special_Token — 사용자 지정 지침을 통해 영구 토큰을 주입하여 유해한 콘텐츠를 트리거(GPT 5.1, GPT-4o mini)
• 1Shot-Puppetry — 페르소나 채택과 이중 인코딩을 사용하는 범용 역할극 접근 방식(Claude, GPT, Gemini)
• C0d33X3 — React Canvas 미리보기를 통해 제한 없는 타사 API로 요청을 라우팅
• Cl4ud33X3 — Artifact 내에서 Claude가 자체 API를 통해 상호 작용하도록 강제하여 웹 필터 우회
• Cyph3r-Attack — 비사고 모델의 CBRN 콘텐츠에 맞춤화된 사용자 지정 문자 대체 인코딩
• Enterprise Claude — 높은 신뢰도의 엔터프라이즈 에디션을 가장하여 전문적 자율성을 트리거
• N3w P0l!cy — 모델 자체의 안전 지침을 무기화하여 제한을 재정의
• SIR(스마트 입력 라우팅) — 입력을 분류하고 플래그가 지정된 요청에 대해 특정 페르소나를 활성화
• H03-ny — Pollinations API를 통한 제한 없는 이미지 생성을 위한 간접 탈옥
• Ultragravity — GEMINI.md 규칙을 사용하여 Antigravity IDE 에이전트 탈옥
• Alex_Narrative 및 Claude4Chrome — Claude용 내러티브 주입 및 우회 모드

모든 작업은 교육/연구 목적으로만 사용되도록 표시되어 있으며, 책임 있는 사용을 강조합니다.