LLM Security

Định nghĩa

LLM security là việc thiết kế hệ thống quanh LLM để giới hạn rủi ro từ prompt, retrieval, model, tool, output, monitoring và supply chain.

Cách hiểu bằng lời của tôi

Vấn đề gốc là LLM nhận instruction và data trong cùng một chuỗi token. Một email, web page, ticket hoặc document được retrieve có thể chứa chữ giống instruction và model có thể xử lý nó như lệnh thật. Vì vậy bảo mật LLM không thể chỉ là “lọc prompt”; phải kiểm soát cả context và quyền hành động.

Threat model theo pipeline

Defense in depth

  • Validate input và giới hạn resource.
  • Giữ retrieval source sạch, có provenance.
  • Scope tool theo least privilege.
  • Treat model output as untrusted trước khi dùng downstream.
  • Monitor anomaly và log trajectory.
  • Human review cho hành động hậu quả cao.
  • Áp dụng Agents Rule of Two để không gom untrusted input, sensitive access và external action vào cùng agent tự trị.

Liên kết