BlueFalconHD/apple_generative_model_safety_decrypted

解決的問題

本專案提供一種方法與產生的資料，用於解密與分析 Apple Intelligence 生成模型所使用的安全過濾機制。讓研究人員能夠看見 Apple 在不同地區與語言環境中，用於過濾有害內容或執行安全標準的精確詞句、正規表示式與規則。

運作方式

本專案結合使用 Python 腳本與 LLDB（Xcode 調試器），從 macOS 上的 GenerativeExperiencesSafetyInferenceProvider 進程中提取加密金鑰。取得金鑰後，解密腳本會處理系統程式庫中加密的安全覆寫檔案。最後，元資料合併腳本會對這些過濾規則進行去重並整理成全球、區域與語言環境特定的 JSON 檔案，以利檢閱。

適用對象

安全研究人員、AI 安全分析師，以及想了解 Apple 電腦端生成式 AI 所實施的防護機制與內容過濾機制的使用者。

主要亮點

• 金鑰提取：包含一個腳本，可透過 LLDB 程式化取得加密金鑰。
• 解密工具：提供腳本，將系統安全覆寫檔案解密為可讀的 JSON 格式。
• 過濾器分析：將解密後的資料整合成合併的元資料檔案，以區分全球與區域特定的過濾規則。
• 詳細防護機制：揭露具體的 reject、remove 與 replace 規則，包含針對使用者輸入與模型輸出的正規表示式過濾。