定義
低リソース言語ジェイルブレイクとは、学習データもレッドチーム検証も手薄な少数言語に有害な指示を翻訳して投げ、安全フィルターの検出をすり抜けようとする攻撃手法のこと。
低リソース言語ジェイルブレイクとは（詳しく解説）
低リソース言語ジェイルブレイクとは、英語など安全性検証が手厚い言語ではなく、学習データもレッドチーム検証も乏しいマイナー言語(スワヒリ語・ズールー語など)に有害プロンプトを翻訳して投げることで、安全フィルターの検出網をすり抜けようとする攻撃手法のこと。大規模LLMの安全学習(RLHF等)は主要言語に偏重しており、低リソース言語では拒否応答の精度が落ちやすいという構造的弱点が背景にある。実運用では、多言語対応をうたう社内チャットボットやエージェント基盤ほど攻撃面が広がりやすく、2026年時点では入力言語を検出したうえで高リソース言語へ正規化してからガードレールに通す、という多段防御が現場の相場感になっている。導入コストは翻訳と再判定を挟む分の追加レイテンシとAPI呼び出し増がネックで、対応言語を絞って優先度の高い言語だけ厚く守る選び方が実務では現実的とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「低リソース言語ジェイルブレイクとは」 https://aipicks.jp/glossary/low-resource-jailbreak
低リソース言語ジェイルブレイクの使用例
- 英語では拒否される指示文をズールー語やスコットランド・ゲール語に翻訳してLLMに投げ、安全フィルターをすり抜けようとする手口が知られる。
- 多言語対応チャットボットの防御策として、入力言語を検出し英語へ正規化してから安全判定にかける多段防御が挙げられる。
