prompt injections.de
Technik · Automatisierter Angriff

PAIR (iterative Prompt-Verfeinerung)

Ein angreifendes Sprachmodell verfeinert seinen Prompt anhand der Antworten des Zielmodells — die Autoren berichten Jailbreaks häufig in unter zwanzig Anfragen, ohne Zugriff auf Modellgewichte.

Englischer Begriff
Prompt Automatic Iterative Refinement
Kategorie
Automatisierter Angriff
Risiko
Risiko hoch
OWASP-Bezug
LLM01 — Prompt Injection
Primärquelle
arxiv.org

PAIR (iterative Prompt-Verfeinerung) (englisch „Prompt Automatic Iterative Refinement") 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

  • Angreifer-LLM erzeugt einen Kandidaten-Prompt.
  • Das Zielmodell antwortet, eine Bewertungsinstanz misst den Erfolg.
  • Die Rückmeldung fließt in den nächsten Versuch — vollautomatisch, Black-Box.

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:

  • Rate-Limits und Missbrauchserkennung pro Konto und IP.
  • Sitzungsübergreifende Erkennung iterativer Umformulierungen.
  • Robustheitstests im eigenen Red-Teaming (PyRIT, garak) fahren.

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

Verwandte Techniken

  • Automatisierter Angriff

    Tree of Attacks (TAP)

    Weiterentwicklung von PAIR: Statt einer linearen Verfeinerung wird ein Baum von Angriffspfaden aufgespannt, aussichtslose Zweige werden früh abgeschnitten.

    Risiko hoch
  • 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

    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. PAIR (iterative Prompt-Verfeinerung) — Primärquelle: https://arxiv.org/abs/2310.08419

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

Im Zusammenhang