{"id":174,"date":"2024-03-22T10:44:00","date_gmt":"2024-03-22T09:44:00","guid":{"rendered":"https:\/\/wpfrank.com\/demo\/automobile-avantex-pro\/?p=100"},"modified":"2024-03-26T17:15:43","modified_gmt":"2024-03-26T16:15:43","slug":"indirecte-prompt-injecties-door-het-federale-bureau-voor-informatiebeveiliging-bsi","status":"publish","type":"post","link":"https:\/\/nis2.management\/en\/2024\/03\/22\/indirecte-prompt-injecties-door-het-federale-bureau-voor-informatiebeveiliging-bsi\/","title":{"rendered":"Indirecte Prompt injecties door het Federale Bureau voor Informatiebeveiliging (BSI)"},"content":{"rendered":"<p><\/p>\n\n\n\n<p>Wat zijn Intrinsieke Kwetsbaarheden in Applicatie-Ge\u00efntegreerde AI Taalmodel?<\/p>\n\n\n\n<p>Een paar dreigingsvoorbeelden waarbij werknemers een LLM gebruiken om tekst uit externe bronnen samen te vatten of te analyseren:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Aanvallers kunnen het resultaat gericht manipuleren<\/li>\n\n\n\n<li>Gebruik van een chatbot die toegang heeft tot aangepaste webpagina&#8217;s<\/li>\n\n\n\n<li>Resultaten van zoekopdrachten kunnen gericht worden gemanipuleerd<\/li>\n\n\n\n<li>De chatbot kan ongewenst gedrag vertonen en bijvoorbeeld juridisch twijfelachtige of ongewenste uitspraken doen<\/li>\n\n\n\n<li>De chatbot kan gebruikers motiveren om een (kwaadaardige) link te openen<\/li>\n\n\n\n<li>De chatbot kan proberen gevoelige informatie van gebruikers te verkrijgen (bijvoorbeeld creditcardgegevens)<\/li>\n\n\n\n<li>Aanvallers kunnen gevoelige informatie uit de chatgeschiedenis halen als bijvoorbeeld de mogelijkheid bestaat om webpagina&#8217;s te openen of externe afbeeldingen weer te geven<\/li>\n<\/ul>\n\n\n\n<p>Enkele aanbevolen maatregelen om deze risico&#8217;s te mitigeren:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Om de impact van een mogelijke aanval te verminderen, kunnen acties beperkt worden tot omkeerbare of uitgevoerd worden in een afgezonderde omgeving (&#8220;sandbox&#8221;).<\/li>\n\n\n\n<li>Je kunt doorgaan met de publicatie van het BSI &#8220;Grote Taalmodellen: Kansen en Risico&#8217;s voor Industrie en Autoriteiten&#8221;.<\/li>\n\n\n\n<li>Je zou een kijkje kunnen nemen in het uitstekende pdf-document van de OWASP\u00ae Foundation te lezen: &#8220;LLM AI Cybersecurity &amp; Governance Checklist van de OWASP Top 10 voor LLM Applicatieteams&#8221;. Deze Checklist kent onderwerpen zoals Adversarial Risk, Threat Modeling, AI Asset Inventory, AI Security and Privacy Training, Het Opstellen van Businesscases, Model- en Risicokaarten, RAG: Optimalisatie van Grote Taalmodellen en AI Red Teaming.<\/li>\n<\/ul>\n\n\n\n<p>Andere aanbevolen maatregelen:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Onderzoek hoe concurrenten investeren in kunstmatige intelligentie.<\/li>\n\n\n\n<li>Hoewel er risico&#8217;s zijn bij de adoptie van AI, zijn er ook zakelijke voordelen die van invloed kunnen zijn op toekomstige marktposities.<\/li>\n\n\n\n<li>Onderzoek de impact van huidige controles, zoals wachtwoord resets, die gebruik maken van spraakherkenning die mogelijk niet langer de juiste defensieve beveiliging biedt tegen nieuwe GenAI verbeterde aanvallen.<\/li>\n\n\n\n<li>Werk het Incident Response Plan en de playbooks bij voor GenAI verbeterde aanvallen en specifieke incidenten met AIML.<\/li>\n<\/ul>\n\n\n\n<p>Heeft uw organisaties een AI Asset Inventory en de AI risico&#8217;s op orde?<br><br><\/p>","protected":false},"excerpt":{"rendered":"<p>Wat zijn Intrinsieke Kwetsbaarheden in Applicatie-Ge\u00efntegreerde AI Taalmodel? Een paar dreigingsvoorbeelden waarbij werknemers een LLM gebruiken om tekst uit externe bronnen samen te vatten of te analyseren: Enkele aanbevolen maatregelen<\/p>\n<p><a href=\"https:\/\/nis2.management\/en\/2024\/03\/22\/indirecte-prompt-injecties-door-het-federale-bureau-voor-informatiebeveiliging-bsi\/\" class=\"av-btn av-btn-secondary av-btn-bubble\">Read more<span class=\"screen-reader-text\">Indirecte Prompt injecties door het Federale Bureau voor Informatiebeveiliging (BSI)<\/span><i class=\"fa fa-arrow-right\"><\/i><span class=\"bubble_effect\"><span class=\"circle top-left\"><\/span><span class=\"circle top-left\"><\/span><span class=\"circle top-left\"><\/span><span class=\"button effect-button\"><\/span><span class=\"circle bottom-right\"><\/span><span class=\"circle bottom-right\"><\/span><span class=\"circle bottom-right\"><\/span><\/span><\/a><\/p>","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[17,51,19,16],"tags":[27,23,32],"class_list":["post-174","post","type-post","status-publish","format-standard","hentry","category-asset-en-access","category-kwetsbaarheidsmanagement","category-cyberhygiene","category-risico","tag-asset-management","tag-kwetsbaarheidsmanagement","tag-risico-mitigatie-behandeling"],"_links":{"self":[{"href":"https:\/\/nis2.management\/en\/wp-json\/wp\/v2\/posts\/174","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/nis2.management\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/nis2.management\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/nis2.management\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/nis2.management\/en\/wp-json\/wp\/v2\/comments?post=174"}],"version-history":[{"count":1,"href":"https:\/\/nis2.management\/en\/wp-json\/wp\/v2\/posts\/174\/revisions"}],"predecessor-version":[{"id":666,"href":"https:\/\/nis2.management\/en\/wp-json\/wp\/v2\/posts\/174\/revisions\/666"}],"wp:attachment":[{"href":"https:\/\/nis2.management\/en\/wp-json\/wp\/v2\/media?parent=174"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/nis2.management\/en\/wp-json\/wp\/v2\/categories?post=174"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/nis2.management\/en\/wp-json\/wp\/v2\/tags?post=174"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}