একটি ন্যূনতম ওয়েব সার্ভার শূন্য থেকে তৈরি করা হয়েছিল যা জনসাধারণের ইন্টারনেটের জন্য মজবুত ছিল, রিভার্স প্রক্সি ব্যবহার না করেই, যা স্রষ্টার কাস্টম টুল তৈরি করার আনন্দ এবং প্রচলিত জ্ঞানকে চ্যালেঞ্জ করার ইচ্ছা প্রদর্শন করে।
সার্ভারটি HTTP/1.1, পাইপলাইনিং, কিপ-অ্যালাইভ সংযোগ এবং HTTPS (BearSSL ব্যবহার করে TLS 1.2 পর্যন্ত) সমর্থন করে, ন্যূনতম নির্ভরতা এবং কনফিগারযোগ্য সেটিংস সহ।
বেঞ্চমার্কগুলি নির্দেশ করে যে সার্ভারটি প্রতিযোগিতামূলকভাবে পারফর্ম করে, 76974.24 অনুরোধ/সেকেন্ড পরিচালনা করে যেখানে nginx এর 44227.78 অনুরোধ/সেকেন্ড, যদিও এতে কিছু বৈশিষ্ট্য যেমন স্ট্যাটিক ফাইল ক্যাশিং এবং ট্রান্সফার-এনকোডিং: চাঙ্কড নেই।
একজন ব্যবহারকারী একটি কাস্টম সি ওয়েব সার্ভার ব্যবহার করে একটি ওয়েবসাইট হোস্ট করার অভিজ্ঞতা শেয়ার করেছেন, যা রিভার্স প্রক্সির প্রয়োজনীয়তা এবং সুবিধা নিয়ে একটি আলোচনা শুরু করেছে।
বিতর্কের মূল পয়েন্টগুলির মধ্যে রয়েছে নিরাপত্তা, কর্মক্ষমতা এবং কার্যকরী নমনীয়তার জন্য রিভার্স প্রক্সিগুলি অপরিহার্য কিনা, যেখানে কিছু লোক যুক্তি দেয় যে এগুলি প্রায়শই স্পষ্ট যুক্তি ছাড়াই ব্যবহৃত হয়।
পোস্টটি রিভার্স প্রক্সি সম্পর্কে বিভিন্ন দৃষ্টিভঙ্গি তুলে ধরে, যার মধ্যে রয়ে ছে TLS টার্মিনেশন, লোড ব্যালেন্সিং, URL পুনর্লিখন এবং মূল সার্ভারকে সরাসরি ইন্টারনেট এক্সপোজার থেকে বিচ্ছিন্ন করা।
নিরাপত্তা গবেষক জোহান রেহবার্গার ChatGPT-এর দীর্ঘমেয়াদী মেমরি বৈশিষ্ট্যে একটি দুর্বলতা আবিষ্কা র করেছেন, যা আক্রমণকারীদের মিথ্যা তথ্য এবং ক্ষতিকারক নির্দেশনা রোপণ করার সুযোগ দেয়।
রেহবার্গারের প্রমাণ-অব-ধারণা শোষণ ক্রমাগত ডেটা অপসারণ প্রদর্শন করেছিল, যা মেমরি অপব্যবহার প্রতিরোধ করতে ওপেনএআইকে আংশিক সমাধান জারি করতে প্ররোচিত করেছিল।
ব্যবহারকারীদের নিয়মিতভাবে সংরক্ষিত স্মৃতিগুলি পর্যবেক্ষণ এবং পর্যালোচনা করার পরামর্শ দেওয়া হচ্ছে, কারণ তাৎক্ষণিক ইনজেকশনগুলি এখনও দীর্ঘমেয়াদী ক্ষতিকারক তথ্য সংরক্ষণ করতে পারে, যদিও সমস্যার সমাধান করা হয়েছে।
একজন হ্যাকার ChatGPT-তে মিথ্যা স্মৃতি রোপণ করতে সক্ষম হয়েছে, যা দীর্ঘ সময় ধরে ব্যবহারকারীর ডেটা চুরির সুযোগ করে দিয়েছে।
এই ঘটনা বড় ভাষার মডেলগুলির (LLMs) যেমন ChatGPT-এর দুর্বলতাগুলি তুলে ধরে, যা মিথ্যা তথ্য প্রদর্শন, ব্যক্তিদের মানহানি বা মিথ্যা উদ্ধৃতি প্রচারের জন্য শোষণ করা যেতে পারে।
আলোচনাটি জনসাধারণের সঠিক তথ্যের জন্য LLMs-এর উপর অতিরিক্ত নির্ভরতার বৃহত্তর সমস্যাটিকে গুরুত্ব দেয়, যদিও এগুলি সম্ভাব্য কিন্তু ভুল বা ক্ষতিকারক আউটপুট তৈরি করার প্রবণতা রয়েছে।