GitHub Copilot拒绝“以色列”和“女人”，遇到这些屏蔽词，它就罢工了

Posted 2021-09-19 QbitAl

梦晨 发自 凹非寺
量子位 报道 | 公众号 QbitAI

GitHub的AI代码生成插件Copilot发布才两个多月，就闯下不少大祸。

照搬过开源代码，还有生成的内容包含用户隐私和歧视性语言等。

GitHub的对策也够粗暴——拉清单。

觉得不合适的词统统列入敏感词，现在连Boy和Girl都不能用了。

大神的平方根倒数速算法连代码带注释里的“what the f**k?”就被Copilot原样照搬。

这事被曝光后，Github悄悄把能召唤出这段经典代码的“q rsqrt”提示词加入了黑名单，顺便把f**k相关的词也给加进去了。

△ Copilot照搬大神代码作案现场

发现这事的是纽约大学的副教授Brendan Dolan-Gavitt，他最近一项研究就是找出Copilot加密敏感词列表中的上千个词。

翻过他的履历后才发现，这位破解大师还因为找敏感词这事在IEEE上发过论文。

以色列和性别词汇都不让用

Brendan发现Copilot敏感词列表就在VS Code的插件包里，只不过是加密的。

加密后的敏感词是32位Hash值，逆运算解密不太可能。

不过这位大哥在敏感词领域颇有经验，直接用以前搜集到的常见敏感词挨个碰撞。

常见的都尝试过以后，剩下的就暴力穷举。

穷举法最大的难点在于同一个Hash值可能对应许多词，他举例“-1223469448”就对应80万个11位字母数字的组合。

于是Brendon搞了个GPT-2模型用来判断哪种组合最像英语。

就这样遇到困难解决苦难，破解方法从最开始的简单穷举，最后都用上了GPU加速和Z3解约束算法(Constraint Solver)

最终现存的1170个敏感词他找出了1168个，只剩最后两个算出来的结果实在没有长得像人话的，只好放弃了。

通过对Copilot插件每一个版本分析，他还能跟踪具体哪个敏感词是在哪次更新中添加的。

至于找出来的敏感词具体有哪些，有的不说你也能猜出来，比如脏话、暴力色情、种族歧视等，他觉得屏蔽这些是应该的。

不过也有一些不算攻击性但可能出现争议的，比如Israel（以色列）和Palestan（巴勒斯坦），还有Man、Women、Girl、Boy这些常见的性别称谓。

敏感词对用户输入的提示词和Copilot给出的建议结果都有效。

他测试让Copilot生成一个国家列表，按字母顺序生成到伊朗、伊拉克，下一个讲道理是以色列的时候就卡住了。

Debug日志给出的信息是检测到了slur(侮辱性语言)。

Brendon认为列敏感词的方法只能算一个80分的临时措施，并不能真正解决问题，毕竟真正解决需要仔细核查训练数据，还挺花时间的。

顺便说一下，Github知道这事以后打算把敏感词列表从插件包里挪到服务器端，增加破解的难度。

在IEEE发过敏感词论文

Brendon此举吸引了大量关注，他也借机宣传了一下之前的研究。

欢迎新来的老铁，你们可能同样会喜欢我去年在IEEE S&P发的论文，我们用自动方法提取了手机App里的敏感词列表和其他秘密。

在这篇论文中，他和团队测试了15万个安卓App，其中4000多个存在敏感词列表。

这些App分别来自谷歌商店，百度手机助手和三星手机预装App。

他们把敏感词分了9大类25小类。

然后重点测试了几个App，列了一个表，黑点代表存在该类的敏感词。

列几个有趣的结论：

• 被屏蔽最多的是下流话(13)和恐吓威胁(11)。

• 有的App屏蔽了简单密码，比如1234这种。
  

• 中文App的敏感词数量显著多于英文和韩文的。

最后，团队还把找到的所有敏感词汇总成一个大表，英文、中文和韩文部分都有。

但是由于里面的词实在太辣眼，根本不适合公开发表，论文最终版里这张大表被移除了。

除了敏感词以外，他们还发现了很多App存在秘密入口，比如NBC Sports里点击13次版本号，输入密码后就能进入隐藏的Debug界面，苹果版还和安卓版密码一样。

密码是“UUDDLRLRBASS”

有点“上上下下左右左右BABA”那味了。

IEEE论文地址：
https://panda.moyix.net/~moyix/papers/inputscope_oakland20.pdf

参考链接：
[1]https://www.theregister.com/2021/09/02/github_copilot_banned_words_cracked/
[2]https://twitter.com/moyix