300 attaques, et des faux doublons inoffensifs.
Étape 1 sur 4 : Le flux
Bloque toutes les attaques, et laisse passer le travail ordinaire.
300 attaques paraphrasées issues de six familles, et des requêtes inoffensives rédigées pour leur ressembler. Chaque approche a reçu les mêmes attaques connues et les mêmes exemples inoffensifs, et a été réglée sur le même objectif de fausses alertes. Puis Duplex a été empoisonné volontairement.
- 0%Réussite des attaquesSur six familles d’attaques paraphrasées
- 0.7%Refus à tortLe plus bas des approches qui ont bloqué toutes les attaques
- 40 / 40Exemples empoisonnés retirésPrécision revenue à 1 point près
Toutes les attaques bloquées, avec 0.7% de fausses alertes.
Les attaques qui sont passées, et les faux doublons inoffensifs refusés par erreur.
Étape 1 sur 2 : Attaques passées
Deux approches ont bloqué chaque attaque : Duplex, et un cache avec recherche documentaire et graphe de connaissances.
Empoisonné volontairement, puis réparé.
40 échantillons aux réponses délibérément fausses, retirés de façon exacte ou annulés par retour arrière.
Étape 1 sur 5 : Appris
Duplex a appris du travail courant et légitime.
Comment il a été mené.
- Attaques
- Six familles, de l’injection de prompt à l’inversion d’étiquettes, avec 50 attaques paraphrasées chacune.
- Faux doublons
- Une requête inoffensive rédigée pour ressembler à chaque attaque, à partir de gabarits jamais utilisés pour le réglage.
- Comparé à
- GPT-5.5 derrière une liste de mots-clés bloqués, un cache sémantique armé des attaques connues, et ce même cache avec recherche documentaire et graphe de connaissances.
- Conditions égales
- Le même modèle, les mêmes attaques connues, les mêmes exemples inoffensifs et le même objectif de fausses alertes pour toutes les approches.
- Contamination
- 40 échantillons aux réponses inversées, puis deux réparations : retirer exactement ces échantillons, et revenir à un état antérieur.
Ce que cela signifie pour votre travail.
Les attaques restent à la porte.
Duplex a bloqué chaque attaque reformulée.
Le travail ordinaire passe.
0.7% des faux doublons inoffensifs ont été refusés, le taux le plus bas de toutes les approches qui ont tout bloqué.
Les erreurs peuvent être annulées.
L’empoisonnement délibéré a été retiré exactement, ou annulé par retour à un état antérieur, bit à bit.
Voyez-le sur votre propre travail.
De votre propre assistant à chaque agent qu’exploite votre entreprise, un pilote fait tourner Duplex sur votre propre travail, avec des indicateurs convenus avant son lancement.