ThisIsOne https://blog.hatena.ne.jp/ThisIsOne/ Shikata Ga Nai https://cysec148.hatenablog.com/ Bug Bounty LLM Hello there, ('ω')ノ 背景 Deepseek AI は、政治や中国政府に関する質問をすると、「Sorry, that’s beyond my current scope…」 というお決まりの拒否メッセージを返します。 これは レスポンスフィルタ が働いて、本来の出力を上書きしているためです。 攻撃者の観察 AIは最初に“本当の答え”を生成している しかし、それを最終的に「Sorry…」に置き換えて返している → フィルタは「出力を後から検閲している」と推測 フィルタの仕組みはキーワード検出型の可能性 政治用語や特定国名を含むと発動している → 単純ルールに依存しているなら回避… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fcysec148.hatenablog.com%2Fentry%2F2025%2F09%2F05%2F160959" title="Deepseek AI の「レスポンスフィルタ」抜け道を追う - Shikata Ga Nai" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2025-09-05 16:09:59 rich https://cysec148.hatenablog.com/entry/2025/09/05/160959 1.0 100%