安全过滤器绕过

AI 红队测试人员专门针对 AI 模型内部或周边实现的安全机制（过滤器、护栏）。他们测试的技巧包括使用被屏蔽词语的同义词、改用其他语言、把有害请求嵌入无害文本中，或利用字符级混淆来规避检测并诱导模型生成违禁内容，以此评估安全控制措施的鲁棒性。