I rifiuti cyber sono controlli di sicurezza che rendono un modello di IA meno incline a soddisfare richieste che sembrano riguardare hacking, malware, phishing, furto di credenziali o altre attività di sicurezza offensiva. Una forte politica di rifiuto spinge il modello a rifiutare, reindirizzare o fornire solo informazioni sicure e difensive.
Sono importanti perché riducono la possibilità che un modello aiuti un attaccante ad automatizzare passaggi dannosi. Nei sistemi reali, le impostazioni di rifiuto possono essere irrigidite per bloccare prompt rischiosi oppure allentate in valutazioni controllate per misurare le capacità del modello. Questo li rende utili sia per la difesa sia per il testing, ma aumenta anche il rischio se un ambiente di test può raggiungere strumenti reali, credenziali o percorsi di rete. I team di sicurezza spesso associano i rifiuti ai permessi degli strumenti, ai limiti di uscita, alla registrazione dei log e all'approvazione umana, così il modello non può trasformare un prompt in un'azione.