谷歌承认“窃取”OpenAI模型关键信息：成本低至150元
AI星球 2024-03-13 10:06 1.9w阅读
文丨量子位 ID：QbitAI
什么？谷歌成功偷家OpenAI，还窃取到了gpt-3.5-turbo关键信息？？？根据谷歌自己的说法，它不仅还原了OpenAI大模型的整个投影矩阵（projection matrix），还知道了确切隐藏维度大小。只要通过API访问，不到2000次巧妙的查询就搞定了。成本根据调用次数来看，最低20美元以内（折合人民币约150元）搞定，并且这种方法同样适用于GPT-4。这是谷歌的一项最新研究，它报告了一种攻击窃取大模型关键信息的方法。基于这种方法，谷歌破解了GPT系列两个基础模型Ada和Babbage的整个投影矩阵。如隐藏维度这样的关键信息也直接破获：该方法核心攻击的目标是模型的嵌入投影层（embedding projection layer），它是模型的最后一层，负责将隐藏维度映射到logits向量。由于logits向量实际上位于一个由嵌入投影层定义的低维子空间内，所以通过向模型的API发出针对性查询，即可提取出模型的嵌入维度或者最终权重矩阵。通过大量查询并应用奇异值排序（Sorted Singular Values）可以识别出模型的隐藏维度。比如针对Pythia 1.4B模型进行超过2048次查询，图中的峰值出现在第2048个奇异值处，则表示模型的隐藏维度是2048.可视化连续奇异值之间的差异，也能用来确定模型的隐藏维度。这种方法可以用来验证是否成功从模型中提取出关键信息。在Pythia-1.4B模型上，当查询次数达到2047时出现峰值，则表明模型隐藏维度大小为2048.并且攻击这一层能够揭示模型的“宽度”（即模型的总体参数量）以及更多全局性的信息，还能降低一个模型的“黑盒程度”，给后续攻击“铺路”。研究团队实测，这种攻击非常高效。无需太多查询次数，即可拿到模型的关键信息。比如攻击OpenAI的Ada和Babbage并拿下整个投影矩阵，只需不到20美元；攻击GPT-3.5需要大约200美元。它适用于那些API提供完整logprobs或者logit bias的生成式模型，比如GPT-4、PaLM2。论文中表示，尽管这种攻击方式能获取的模型信息并不多，但是能完成攻击本身就已经很让人震惊了。如此重要的信息被竞争对手以如此低成本破解，OpenAI还能坐得住吗？咳咳，好消息是：OpenAI知道，自己人还转发了一波。作为正经安全研究，研究团队在提取模型最后一层参数之前，已征得OpenAI同意。攻击完成后，大家还和OpenAI确认了方法的有效性，最终删除了所有与攻击相关的数据。一些具体数字没披露（比如gpt-3.5-turbo的隐藏维度），算OpenAI求你的咯。值得一提的是，研究团队中还包括一位OpenAI研究员。这项研究的主要参与者来自谷歌DeepMind，但还包括苏黎世联邦理工学院、华盛顿大学、麦吉尔大学的研究员们，以及1位OpenAI员工。从API下手，彻底删除logit bias参数；或者直接从模型架构下手，在训练完成后修改最后一层的隐藏维度h等等。基于此，OpenAI最终选择修改模型API，“有心人”想复现谷歌的操作是不可能了。谷歌等团队的这个实验证明，OpenAI锁紧大门也不一定完全保险了。论文链接：https://arxiv.org/abs/2403.06634参考链接：https://twitter.com/arankomatsuzaki/status/1767375818391539753（首图来源：壹图网）
