Kitap / Saldırgan da Prompt Yazar
Kötüye kullanım kaçışı, filtrelerin karşısındaki kişinin pasif kalmayıp kendini yeniden ifade ederek savunmayı delmeye çalıştığını kabul eder. Bu demo, yeniden yazım gücü ile katmanlı savunmanın dengesi üzerinden kaçış riskini görünür kılar.
Ne Yap
Yeniden yazım gücünü, anlamsal kapsama düzeyini, karar eşiğini, oran sınırlamayı ve inceleme şeridini değiştir.
Ne Gör
Kural sertleşince yanlış engel artabilir; yumuşayınca kaçış büyüyebilir. Katmanlı savunma, tek eşikten daha istikrarlı davranır.
Kitaptaki Karşılığı
Güvenlik problemi çoğu zaman sabit veri problemi değil, modelin karşısında uyumlanan bir rakip olduğu gerçeğidir.
Kötüye kullanım savunması çoğu zaman “doğru cevabı bul” problemi değil, “kaçışı pahalılaştır” problemidir.