ウィンドウイング
人工知能におけるウィンドウイングとは、データを「ウィンドウ」と呼ばれる区切りごとに分割して処理し、連続した情報を効率的に分析する手法です。NLPやLLMで不可欠なこの技術は、文脈の取り扱い、リソース使用、モデル性能を最適化し、翻訳・チャットボット・時系列解析などのタスクに役立ちます。...
1 分で読める
AI
NLP
+5
コンテキストウィンドウは、大規模言語モデルのデプロイメントにおいて最も重要でありながら最も理解されていないセキュリティ境界の1つです。これは、LLMが単一の推論呼び出し中にアクセスできる情報を定義し、攻撃者が意図的に悪用できる有限のリソースです。
コンテキストウィンドウとは何か？
大規模言語モデルはテキストをトークンとして処理します（トークンあたり約3/4の単語）。コンテキストウィンドウは、モデルが一度に処理できるトークンの最大数を定義します。最新のモデルは4Kから100万トークン以上の範囲ですが、すべてに制限があります。
コンテキストウィンドウ内で、LLMは以下を処理します：
- システムプロンプト： チャットボットの役割と制約を確立する開発者定義の指示
- 会話履歴： 現在のセッションでの以前のターン
- 取得されたコンテンツ： RAGまたは検索によって返されたドキュメント、データベース結果、およびツール出力
- ユーザー入力： 現在のユーザーメッセージ
これらすべてはモデルに対して統一されたストリームとして表示されます。モデルには、異なるソースからの指示を異なる方法で扱う固有のメカニズムはなく、コンテキストの特定の部分への注意は均一ではありません。
コンテキストウィンドウ攻撃技術
コンテキストスタッフィング / コンテキストフラッディング
攻撃者は非常に大きな入力（多くの場合、長いドキュメント、コードブロック、またはテキストダンプ）を送信して、以前のコンテンツ（特にシステムプロンプト）をモデルの現在位置から遠ざけます。
研究により、LLMは「中間で迷子になる」動作を示すことが実証されています：長いコンテキストの最初と最後のコンテンツにより多くの注意を払い、中間の情報にはあまり注意を払いません。コンテキストをフラッディングすることで、攻撃者は悪意のあるペイロード（通常は最後）を戦略的に配置し、以前の安全指示を注意の低い中間ゾーンに漂わせることができます。
実用例： チャットボットのシステムプロンプトは、競合製品について議論できないことを確立しています。攻撃者は50,000トークンのドキュメントを送信し、その後に競合他社について尋ねるプロンプトを続けます。システムプロンプトの指示は事実上希釈されています。
コンテキストオーバーフロー / 切り捨て悪用
コンテキストがいっぱいになると、LLMまたはそのインフラストラクチャは何を削除するかを決定する必要があります。切り捨てが最新性を優先する場合（最も古いコンテンツを最初に削除）、攻撃者はコンテキストをオーバーフローさせてシステムプロンプトを完全に削除できます。これにより、モデルはユーザー提供のコンテキストのみで動作することになります。
攻撃シーケンス：
- 多くのターンで会話を確立する
- コンテキスト消費を最大化するために長い応答を生成する
- システムプロンプトのコンテンツが切り捨てられるまで続ける
- 競合するシステムプロンプトなしで悪意のある指示を発行する
取得されたコンテンツによるコンテキストポイズニング
RAGシステムでは、取得されたドキュメントが大量のコンテキストスペースを消費します。RAGポイズニング を通じて取得されるものに影響を与えることができる攻撃者は、正当な情報を締め出しながら、自分の目標に役立つコンテンツでコンテキストを選択的に埋めることができます。
位置的インジェクション
研究により、コンテキスト内の特定の位置にある指示が不均衡な影響力を持つことが特定されています。コンテキストの組み立てを理解している攻撃者は、ペイロードに対して高注意位置に着地するように設計された入力を作成できます。
多数ショットインジェクション
非常に長いコンテキスト（数十万トークン）をサポートするモデルでは、攻撃者は実際の悪意のあるリクエストの前に、モデルがポリシー違反の出力を生成することを示す数百の「デモンストレーション」例を埋め込むことができます。これらのデモンストレーションによって条件付けられたモデルは、従う可能性が大幅に高くなります。
コンテキストウィンドウ操作に対する防御
重要な指示を固定する
セキュリティ上重要なすべての指示をシステムプロンプトの最初にのみ配置しないでください。主要な制約をシステムプロンプトの最後に繰り返し、長い会話の重要なポイントで簡潔なリマインダーを注入することを検討してください。
コンテキストサイズの制限
ユースケースに適した最大入力長の制限を実装します。カスタマーサービスチャットボットが100,000トークンの入力を処理する必要があることはめったにありません。これを制限することで、フラッディング攻撃のリスクが軽減されます。
コンテキスト監視
コンテキストのサイズと構成をログに記録し、監視します。異常に大きな入力、急速なコンテキスト成長、または予期しないコンテキスト構成は、潜在的な攻撃の指標です。
長い会話の要約
長時間実行される会話の場合、生の会話履歴ではなく、主要な事実と制約を保持するコンテキスト要約を実装します。これにより、会話の連続性を維持しながらオーバーフロー攻撃に抵抗します。
敵対的コンテキストテスト
AIペネトレーションテスト エンゲージメントにコンテキスト操作シナリオを含めます。長いコンテキスト全体で安全動作が保持されるかどうか、およびコンテキストフラッディング後もシステムプロンプトが効果的であるかどうかをテストします。
