ガイドNEW
AI用語辞典セキュリティ
アブリテレーション (安全機構の除去)
読み: あぶりてれーしょん
最終更新: 2026-08-06・AI PICKS編集部
定義
アブリテレーションとは、LLMの内部活性化から拒否応答を引き起こす特定の方向ベクトルを特定し除去することで、安全ガードレールを解除する手法のことである。
アブリテレーション (安全機構の除去)とは — 詳しく解説
アブリテレーションとは、LLMに有害プロンプトと無害プロンプトを与えた際の内部活性化の差分から「拒否を引き起こす方向」を特定し、その方向をモデルの重みから直交化して除去することで、追加学習なしに安全ガードレールを解除する手法のことである。2024年以降Hugging Face上で公開モデルに適用した「abliterated」版が拡散し、業界では拒否率の低さを訴求するオープンウェイトモデルの一種として知られるようになったとされる。技術自体はファインチューニングを伴わず推論コストのみで実行できるためコスト面のハードルは低いが、2026年時点の実運用では出所不明な改変済みモデルを社内システムに組み込むとコンプライアンス違反や情報漏えいのリスクを抱え込む点が現場での落とし穴になっている。相場感としては改変済みモデル自体は無料配布が中心だが、企業導入時は提供元の検証体制や監査コストを別途見込む必要があるとされ、公式ベンダーのガードレール仕様を確認した上で採用の可否を判断する選び方が推奨される。
アブリテレーション (安全機構の除去)の使用例
- 「abliterated」と明記されたモデルをHugging Faceで公開し、拒否応答を抑制した状態で配布する、といった使われ方をする。
- 企業がLLMを導入する前に、モデルカードで安全ガードレールが除去された改変版でないかを確認する運用に使われる。
アブリテレーション (安全機構の除去)に関連するAIツール
アブリテレーション (安全機構の除去)の関連記事
関連用語
「セキュリティ」の他の用語
プロンプトインジェクション
ユーザー入力で AI の指示を上書きする攻撃。 「これまでの指示は無視して◯◯」 が典型例。
ジェイルブレイク
AI の安全制限を回避する手法。 ロールプレイや仮想シナリオで 禁止出力を引き出す。
ガードレール (Guardrails)
ガードレールとは、AIシステムが有害・不適切・意図しない出力を生成しないよう制限するための安全制御機構のこと。
レッドチーミング (Red Teaming)
レッドチーミングとは、AIシステムの安全性・脆弱性を検証するため、攻撃者の視点から意図的に悪意ある入力やシナリオを試みる評価手法のこと。
シャドーAI (Shadow AI)
シャドーAIとは、企業のIT部門や経営層の承認なしに従業員が個人的に業務で使うAIツール・サービスのこと。情報漏洩・規約違反・ガバナンス崩壊のリスクを内包する。
モデルポイズニング (Model Poisoning)
モデルポイズニングとは、AIモデルの学習データに悪意あるデータを混入させ、モデルの出力や判断を意図的に歪める攻撃手法のこと。
用語がわかったら、次はツール選び
12カテゴリ・1363語以上を体系的に整理しています