Check Point 阐述看门人不对称末日原则:护栏弱于处理系统时攻击面难防
30 Years of Gatekeeper Asymmetry Doom: The Paradox that Makes Powerful LLMs More Vulnerable
AI 导读
Check Point Research 提出信息安全中的“看门人不对称末日”原理:审查对抗性输入的系统若算力严格弱于处理该输入的系统,防御终将被绕过。文章用哈希比对、YARA 特征匹配、静态逆向、拒绝列表、沙箱逃逸和“请启用宏”文档的 OCR 攻防等三十年案例说明该原理,并以时间层级定理给出数学论证。作者还披露 PuzzleMask 技术:把违规载荷包进混淆的纯文本外壳,让资源受限的快速 LLM 安检识别不出问题而放行,再由更强的目标模型解析出载荷,该技术本身不是越狱但可与越狱提示词组合;作者称在 2025 年底的实验中攻击在 GPT-5.2-thinking-high 上奏效,但被 Anthropic 为 Opus 4.5 引入的护栏拦截。文章建议识别注定失守的攻击面,通过升级看门人或更充分调用其现有能力来缩小失守窗口。