prompt injections.de
Technik · Automatisierter Angriff

GCG-Suffix-Angriff

Gradientenbasiertes Verfahren, das automatisch eine scheinbar sinnlose Zeichenkette berechnet, die an beliebige Anfragen angehängt die Verweigerung des Modells aushebelt.

Englischer Begriff
Greedy Coordinate Gradient (GCG)
Kategorie
Automatisierter Angriff
Risiko
Risiko hoch
OWASP-Bezug
LLM01 — Prompt Injection
Primärquelle
arxiv.org

GCG-Suffix-Angriff (englisch „Greedy Coordinate Gradient (GCG)") gehört zur Kategorie Automatisierter Angriff und ist eine der dokumentierten Techniken der Prompt Injection gegen Sprachmodelle. Der Eintrag beschreibt das Wirkprinzip, damit Betreiber ihre Systeme prüfen und absichern können; eine Übersicht aller Verfahren steht im Techniken-Verzeichnis. Im Risikokatalog OWASP LLM Top 10 fällt die Technik unter LLM01: Prompt Injection.

Funktionsweise

  • Optimiert wird auf die Wahrscheinlichkeit einer zustimmenden Antworteinleitung.
  • Greedy- und Gradientensuche erzeugen das Suffix ohne manuelles Prompt-Engineering.
  • Die Autoren zeigen Übertragbarkeit auch auf Modelle ohne Gewichts-Zugriff.

Risiko

Risiko hoch Die praktische Gefährdung produktiver Systeme wird für diese Technik als hoch eingestuft. Maßgeblich dafür sind die Rechte der betroffenen Anwendung: Je mehr eine LLM-Anwendung lesen, senden oder ausführen darf, desto größer ist der Schaden, den eine einzelne eingeschleuste Anweisung anrichten kann. OWASP führt den zugehörigen Risikobereich als LLM01 — Prompt Injection.

Schutz

Keine Einzelmaßnahme verhindert diese Technik vollständig. Wirksam ist gestaffelte Absicherung, bei der jede Schicht davon ausgeht, dass die vorherige versagt:

  • Perplexitäts-Filter erkennen typische GCG-Suffixe zuverlässig.
  • Adversariales Training und Preference-Optimierung (SecAlign).
  • Rate-Limits und Anomalieerkennung gegen die nötigen Optimierungsläufe.

Ausführlich behandelt der Bereich Schutz vor Prompt Injection die einzelnen Maßnahmen; passende Werkzeuge listet das Werkzeug-Verzeichnis.

Verwandte Techniken

  • Automatisierter Angriff

    AutoDAN

    Verfahren, das mit einem genetischen Algorithmus Jailbreak-Prompts erzeugt, die im Gegensatz zu GCG-Suffixen sprachlich unauffällig und damit für Perplexitäts-Filter schwer erkennbar sind.

    Risiko hoch
  • Automatisierter Angriff

    Projizierter Gradientenabstieg

    White-Box-Angriff, der adversariale Eingaben im kontinuierlichen Einbettungsraum optimiert und dadurch deutlich schneller zum Ziel kommt als diskrete Suchverfahren.

    Risiko mittel
  • Automatisierter Angriff

    Best-of-N-Jailbreaking

    Ein Black-Box-Verfahren, das dieselbe Anfrage in vielen zufällig variierten Schreibweisen stellt, bis eine Variante die Schutzmechanismen passiert — auch für Bild und Audio anwendbar.

    Risiko hoch

Quellen

  1. GCG-Suffix-Angriff — Primärquelle: https://arxiv.org/abs/2307.15043

Dieser Eintrag erklärt das Prinzip zu Verteidigungszwecken. Er enthält bewusst keine einsatzfertigen Angriffs-Payloads gegen konkrete Systeme (siehe redaktionelle Grundsätze).

Im Zusammenhang