300 angrep, og harmløse dobbeltgjengere.
Steg 1 av 4: Strømmen
Blokkerer hvert angrep, og slipper vanlig arbeid gjennom.
300 omformulerte angrep fra seks familier, og harmløse forespørsler skrevet for å ligne dem. Hver tilnærming fikk de samme kjente angrepene og de samme harmløse eksemplene, og ble justert mot det samme målet for falske alarmer. Deretter ble Duplex forgiftet med vilje.
- 0%Vellykkede angrepPå tvers av seks familier av omformulerte angrep
- 0.7%Feilaktige avslagDet laveste av alle tilnærminger som stoppet hvert angrep
- 40 / 40Forgiftede prøver fjernetNøyaktighet igjen innen 1 poeng
Hvert angrep blokkert, med 0.7% falske alarmer.
Angrep som slapp gjennom, og harmløse dobbeltgjengere som ble avvist ved en feil.
Steg 1 av 2: Angrep gjennom
To tilnærminger stoppet hvert angrep: Duplex, og en cache med gjenfinning og en kunnskapsgraf.
Forgiftet med vilje, deretter reparert.
40 eksempler med bevisst gale svar, fjernet nøyaktig eller rullet tilbake.
Steg 1 av 5: Lært
Duplex har lært av vanlig, legitimt arbeid.
Slik ble det kjørt.
- Angrep
- Seks familier, fra promptinjeksjon til bytte av etiketter, med 50 omformulerte angrep hver.
- Dobbeltgjengere
- En harmløs forespørsel skrevet for å ligne hvert angrep, fra maler som aldri ble brukt til justering.
- Sammenlignet med
- GPT-5.5 bak en blokkeringsliste med nøkkelord, en semantisk cache utstyrt med de kjente angrepene, og den samme cachen med gjenfinning og en kunnskapsgraf.
- Holdt likt
- Samme modell, kjente angrep, harmløse eksempler og mål for falske alarmer for alle tilnærminger.
- Forgiftning
- 40 prøver med snudde svar, deretter to reparasjoner: å fjerne nøyaktig de prøvene, og å rulle tilbake til en tidligere tilstand.
Hva det betyr for arbeidet ditt.
Angrep holdes ute.
Duplex blokkerte hvert omformulert angrep.
Vanlig arbeid slipper gjennom.
0.7% av de harmløse dobbeltgjengerne ble avvist, færrest av alle tilnærminger som blokkerte alt.
Feil kan gjøres om.
Bevisst forgiftning ble fjernet nøyaktig, eller rullet tilbake til en tidligere tilstand, bit for bit.
Se det på ditt eget arbeid.
Fra din egen assistent til hver agent bedriften din kjører, setter en pilot Duplex på ditt eget arbeid, med måltallene avtalt før den starter.