연구팀이 BAIT(Boundary-Aware Iterative Trap)라는 3단계 jailbreak 프레임워크를 제안했어요. BAIT는 모델의 보호 경계를 파악하고, 경계를 구체화하고, 상세한 예시를 요청하는 방식으로 작동해요.
AdvBench, JailbreakBench, AIR-Bench, SORRY-Bench에서 테스트 결과, BAIT는 최상위 LLM에서 공격 성공률이 높았고 기존 jailbreak 기법보다 성능이 뛰어났어요.
연구 결과, 방어적 프레임이 직접적인 지식 요청보다 효과적이었고, 경계 구체화 단계가 정보 공개를 확대하는 데 중요한 역할을 했으며, 첫 두 단계에서 유해 콘텐츠가 공개되면서 필터링이 거의 작동하지 않는다는 점이 확인됐어요.