大语言模型漏洞检测方法、装置及大语言模型检测设备

本发明提供了一种大语言模型漏洞检测方法、装置及大语言模型检测设备，涉及人工智能安全检测技术领域，其方法包括；构建初始对抗语句，输入大语言模型得到响应语句；确定响应语句的目标回复损失，对初始对抗语句进行聚类改进遗传算法优化得到包括代表对抗语句和若干优化对抗语句的优化对抗语句簇；将代表对抗语句输入大语言模型得到新一轮响应语句，确定新一轮响应语句的目标回复损失，迭代生成优化对抗语句簇直到目标回复损失满足预设阈值或大语言模型输出目标回复。本发明通过聚类改进遗传算法进行对抗语句优化过程中，以每个优化对抗语句簇的代表对抗语句来对大语言模型进行攻击测试，大幅减少攻击轮次，提高对大语言模型的攻击效率。