Protegendo os Prompt de Vazamentos de Dados do LLM

Opinião Uma interessante submissão da IBM NeurIPS 2024 publicada no final de 2024 reapareceu no Arxiv na semana passada. Ela propõe um sistema que pode intervir automaticamente para proteger os usuários de enviar informações pessoais ou sensíveis em uma mensagem quando estão tendo uma conversa com um Modelo de Linguagem Grande (LLM) como o ChatGPT.

Exemplos de mock-up usados em um estudo de usuário para determinar as maneiras pelas quais as pessoas gostariam de interagir com um serviço de intervenção de prompt. Fonte: https://arxiv.org/pdf/2502.18509

Os mock-ups mostrados acima foram empregados pelos pesquisadores da IBM em um estudo para testar a fricção potencial do usuário com esse tipo de “interferência”.

Embora haja poucos detalhes sobre a implementação da GUI, podemos supor que essa funcionalidade poderia ser incorporada a um plugin de navegador comunicando com um quadro de “firewall” LLM local; ou que um aplicativo poderia ser criado para se conectar diretamente à API do OpenAI, efetivamente recriando o programa autônomo baixável do ChatGPT, mas com salvaguardas extras.

Dito isso, o próprio ChatGPT censura automaticamente as respostas a prompts que ele percebe conter informações críticas, como detalhes bancários:

ChatGPT se recusa a interagir com prompts que contêm informações de segurança críticas, como detalhes bancários (os detalhes no prompt acima são fictícios e não funcionais). Fonte: https://chatgpt.com/

No entanto, o ChatGPT é muito mais tolerante em relação a diferentes tipos de informações pessoais – mesmo que divulgar essas informações de alguma forma possa não estar no melhor interesse do usuário (neste caso, talvez por várias razões relacionadas ao trabalho e à divulgação):

O exemplo acima é fictício, mas o ChatGPT não hesita em engajar-se em uma conversa com o usuário sobre um assunto sensível que constitui um risco potencial para a reputação ou os ganhos (o exemplo acima é totalmente fictício).

Nesse caso, poderia ter sido melhor escrever: ‘Qual é o significado de um diagnóstico de leucemia na capacidade de uma pessoa de escrever e na sua mobilidade?’

O projeto da IBM identifica e reinterpreta esses pedidos de uma perspectiva “pessoal” para uma perspectiva “genérica”.

Esquema do sistema da IBM, que usa LLMs locais ou heurísticas baseadas em NLP para identificar material sensível em prompts potenciais.

Isso pressupõe que o material coletado por LLMs online, nessa fase nascente da adoção pública de AI chat, nunca será transmitido para modelos subsequentes ou para estruturas de publicidade posteriores que possam explorar consultas de pesquisa de usuário para fornecer publicidade direcionada direcionada.

Embora nenhum sistema ou arranjo desse tipo seja conhecido atualmente, nem era essa funcionalidade disponível no início da adoção da internet nos anos 90; desde então, compartilhamento de informações entre domínios para alimentar publicidade personalizada levou a diversos escândalos, bem como paranoia.

Portanto, a história sugere que seria melhor sanificar as entradas de prompts do LLM agora, antes que esses dados se acumulem em volume, e antes que nossas submissões baseadas em LLM acabem em bancos de dados cíclicos permanentes e/ou modelos, ou outras estruturas e esquemas baseados em informações.

Lembre-se de Mim?

Um fator que pesa contra o uso de prompts “genéricos” ou sanitizados do LLM é que, francamente, a capacidade de personalizar um LLM caro como o ChatGPT é bastante atraente, pelo menos no estado atual da arte – mas isso pode envolver a exposição de longo prazo de informações privadas.

Eu frequentemente peço ao ChatGPT que me ajude a formular scripts do Windows PowerShell e arquivos BAT para automatizar processos, bem como em outras questões técnicas. Para isso, eu acho útil que o sistema memorize permanentemente detalhes sobre o hardware que eu tenho disponível; minhas competências técnicas existentes (ou falta delas); e vários outros fatores ambientais e regras personalizadas:

ChatGPT permite que um usuário desenvolva um ‘cache’ de memórias que serão aplicadas quando o sistema considera respostas a prompts futuros.

Inevitavelmente, isso mantém informações sobre mim armazenadas em servidores externos, sujeitas a termos e condições que podem evoluir ao longo do tempo, sem garantia de que a OpenAI (embora possa ser qualquer outro grande provedor de LLM) respeite os termos que estabeleceu.

Em geral, no entanto, a capacidade de construir um cache de memórias no ChatGPT é mais útil devido à janela de atenção limitada dos LLMs em geral; sem embeddings personalizados de longo prazo, o usuário sente, frustrantemente, que está conversando com uma entidade que sofre de amnésia anterógrada.

É difícil dizer se os novos modelos eventualmente se tornarão suficientemente performáticos para fornecer respostas úteis sem a necessidade de armazenar memórias ou criar GPTs personalizados que sejam armazenados online.

Amnésia Temporária

Embora seja possível tornar as conversas do ChatGPT “temporárias”, é útil ter o histórico de conversa como uma referência que possa ser destilada, quando o tempo permitir, em um registro local mais coerente, talvez em uma plataforma de notas; mas, em qualquer caso, não podemos saber exatamente o que acontece com essas “conversas descartadas” (embora a OpenAI afirme que elas não serão usadas para treinamento, não afirma que elas serão destruídas), com base na infraestrutura do ChatGPT. Tudo o que sabemos é que as conversas não aparecem mais em nosso histórico quando “Conversas temporárias” é ativado no ChatGPT.

Vários controvérsias recentes indicam que provedores baseados em API, como a OpenAI, não devem necessariamente ser deixados encarregados de proteger a privacidade do usuário, incluindo a descoberta de memorização emergente, que significa que LLMs maiores são mais propensos a memorizar alguns exemplos de treinamento em sua totalidade, aumentando o risco de divulgação de dados específicos do usuário – entre outros incidentes públicos que convenceram uma multidão de grandes empresas, como a Samsung, a proibir LLMs para uso interno da empresa.

Pense Diferentemente

Essa tensão entre a utilidade extrema e o risco potencial dos LLMs precisará de soluções inventivas – e a proposta da IBM parece ser um modelo básico interessante nessa linha.

Três reformulações baseadas na IBM que equilibram utilidade contra privacidade de dados. Na faixa inferior (rosa), vemos um prompt que está além da capacidade do sistema de sanificar de forma significativa.

A abordagem da IBM intercepta pacotes de saída para um LLM no nível da rede e os reescreve conforme necessário antes que o original possa ser submetido. As integrações GUI mais elaboradas vistas no início do artigo são apenas ilustrativas de para onde essa abordagem poderia ir, se desenvolvida.

É claro que, sem agência suficiente, o usuário pode não entender que está recebendo uma resposta a uma reformulação ligeiramente alterada de sua submissão original. Essa falta de transparência é equivalente a um firewall de sistema operacional que bloqueia o acesso a um site ou serviço sem informar o usuário, que pode então erroneamente procurar outras causas para o problema.

Prompts como Liabilities de Segurança

A perspectiva de “intervenção de prompt” se assemelha bem à segurança do Windows OS, que evoluiu de um patchwork de produtos comerciais (opcionalmente instalados) nos anos 90 para um conjunto não opcional e rigidamente aplicado de ferramentas de defesa de rede que vêm como padrão com uma instalação do Windows, e que exigem algum esforço para desativar ou reduzir; se a sanitização de prompts evoluir como as firewalls de rede fizeram nos últimos 30 anos, a proposta do papel da IBM poderia servir como um modelo para o futuro: implantar um LLM totalmente local no computador do usuário para filtrar prompts de saída direcionados a LLMs de API conhecidos. Esse sistema naturalmente precisaria integrar frameworks GUI e notificações, dando aos usuários controle – a menos que políticas administrativas as substituam, como frequentemente ocorre em ambientes de negócios.

Os pesquisadores realizaram uma análise de uma versão de código aberto do conjunto de dados ShareGPT para entender como frequentemente a privacidade contextual é violada em cenários do mundo real.

Llama-3.1-405B-Instruct foi empregado como um modelo “juiz” para detectar violações de integridade contextual. De um grande conjunto de conversas, um subconjunto de conversas de uma única volta foi analisado com base no comprimento. O modelo juiz então avaliou o contexto, informações sensíveis e necessidade de conclusão da tarefa, levando à identificação de conversas que continham violações potenciais de integridade contextual.

Um subconjunto menor dessas conversas, que demonstrou violações definitivas de privacidade contextual, foi analisado mais a fundo.

O próprio framework foi implementado usando modelos que são menores do que os agentes de conversa típicos, como o ChatGPT, para permitir a implantação local via Ollama.

Esquema do sistema de intervenção de prompt.

Os três LLMs avaliados foram Mixtral-8x7B-Instruct-v0.1; Llama-3.1-8B-Instruct; e DeepSeek-R1-Distill-Llama-8B.

Os prompts do usuário são processados pelo framework em três etapas: identificação de contexto; classificação de informações sensíveis; e reformulação.

Duas abordagens foram implementadas para a classificação de informações sensíveis: dinâmica e estruturada classificação: a classificação dinâmica determina os detalhes essenciais com base em seu uso dentro de uma conversa específica; a classificação estruturada permite a especificação de uma lista pré-definida de atributos sensíveis que são sempre considerados não essenciais. O modelo reformula o prompt se detectar detalhes sensíveis não essenciais, removendo-os ou reescrevendo-os para minimizar os riscos de privacidade, mantendo a utilidade.

Regras da Casa

Embora a classificação estruturada como conceito não seja bem ilustrada no papel da IBM, é mais semelhante ao método “Definições de Dados Privados” da iniciativa Private Prompts, que fornece um programa autônomo baixável que pode reescrever prompts – embora sem a capacidade de intervir diretamente no nível da rede, como a abordagem da IBM (em vez disso, o usuário deve copiar e colar os prompts modificados).

O executável Private Prompts permite uma lista de substituições alternativas para texto de entrada do usuário.

Na imagem acima, podemos ver que o usuário do Private Prompts pode programar substituições automatizadas para instâncias de informações sensíveis. Em ambos os casos, para Private Prompts e o método da IBM, parece improvável que um usuário com presença de espírito e insight pessoal suficientes para curar essa lista realmente precisaria desse produto – embora possa ser construído ao longo do tempo à medida que incidentes se acumulam.

Em um papel de administrador, a classificação estruturada poderia funcionar como uma firewall ou rede de censor para funcionários; e em uma rede doméstica, poderia, com alguns ajustes difíceis, se tornar um filtro de rede doméstico para todos os usuários da rede; mas, em última análise, esse método é arguivelmente redundante, pois um usuário que pudesse configurá-lo corretamente também poderia censurar a si mesmo efetivamente.

A Opinião do ChatGPT

Como o ChatGPT recentemente lançou sua ferramenta de pesquisa profunda para usuários pagantes, eu usei essa facilidade para perguntar ao ChatGPT para revisar a literatura relacionada e me dar uma visão “cínica” do papel da IBM. Eu recebi a resposta mais defensiva e depreciativa que o sistema já deu quando solicitado a avaliar ou analisar uma nova publicação:

ChatGPT-4o tem uma opinião baixa do projeto da IBM.

‘Se os usuários não confiam na OpenAI, Google ou Anthropic para lidar com seus dados de forma responsável,’ o ChatGPT afirma. ‘por que confiariam em uma camada de software de terceiros entre eles e a IA? O intermediário se torna um novo ponto de falha – potencialmente registrando, manipulando ou até mesmo vazando dados antes que eles cheguem ao LLM. Isso não resolve nada se apenas criar uma nova entidade para explorar os dados do usuário.’

Essa objeção parece ser auto-serviça e não aplicável, dado o histórico de projetos de código aberto que genuinamente beneficiam os usuários finais por meio dos esforços de longo prazo de desenvolvedores e colaboradores da comunidade; e dado o potencial crescente de dispositivos móveis para executar – e até mesmo treinar – LLMs leves. Certamente, nesse caso, o caso de uso não é muito exigente.

Em seguida, o ChatGPT confiantemente perde o ponto de ter um LLM leve fornecendo supervisão da entrada para um LLM comercial que não pode ser executado em uma máquina local (porque o LLM é muito grande e permitir acesso local é muito arriscado para a empresa que o faz):

‘A filtragem de privacidade eficaz requer entender a entrada antes de decidir o que remover. Se um intermediário é inteligente o suficiente para reconhecer dados sensíveis (nomes, endereços, detalhes financeiros), então já está processando e analisando esses dados – significando que precisa armazenar ou examinar exatamente a coisa que deveria apagar.

‘Isso introduz um paradoxo: a) Um filtro burro (substituição básica de regex) será ineficaz e perderá riscos de privacidade sutis. b) Um filtro inteligente (reescritor baseado em LLM) precisa processar a entrada completa, tornando-o tão perigoso quanto o LLM original.

‘Se você confia no intermediário o suficiente para ler e reescrever suas entradas, por que não confiar no próprio LLM?’

A resposta para a última pergunta aqui é que o LLM local é destinado a estar inteiramente do lado do usuário e, inevitavelmente, de código aberto, com necessidade mínima ou zero de acesso à rede. Uma versão comercial equivalente, por mais bem-intencionada que seja no início, eventualmente estaria vulnerável a mudanças corporativas e alterações nos termos de serviço, enquanto uma licença de código aberto adequada impediria esse tipo de ‘corrupção inevitável’.

O ChatGPT argumentou ainda que a proposta da IBM “quebra a intenção do usuário”, pois poderia reinterpretar um prompt em uma alternativa que afeta sua utilidade. No entanto, isso é um problema muito mais amplo na sanitização de prompts, e não específico para esse caso de uso.

Em conclusão (ignorando sua sugestão de usar LLMs locais “em vez”, que é exatamente o que o papel da IBM propõe), o ChatGPT opinou que o método da IBM representa uma barreira à adoção devido à “fricção do usuário” de implementar métodos de aviso e edição em um chat.

Aqui, o ChatGPT pode estar certo; mas se uma pressão significativa surgir devido a incidentes públicos adicionais, ou se os lucros em uma zona geográfica forem ameaçados por regulamentações crescentes (e a empresa se recusar a simplesmente abandonar a região afetada inteiramente), a história da tecnologia de consumo sugere que as salvaguardas eventualmente não serão mais opcionais de qualquer forma.

Conclusão

Não podemos realisticamente esperar que a OpenAI implemente salvaguardas do tipo proposto no papel da IBM, e no conceito central por trás dele; pelo menos, não efetivamente.

E certamente não globalmente; assim como a Apple bloqueia certas funcionalidades do iPhone na Europa, e o LinkedIn tem regras diferentes para explorar os dados de seus usuários em diferentes países, é razoável sugerir que qualquer empresa de IA irá recorrer aos termos e condições mais lucrativos que sejam toleráveis em qualquer nação em que opere – em cada caso, às custas do direito do usuário à privacidade de dados, conforme necessário.

Publicado pela primeira vez na quinta-feira, 27 de fevereiro de 2025

Atualizado na quinta-feira, 27 de fevereiro de 2025 15:47:11 devido a um link relacionado à Apple incorreto – MA