La minimizzazione dell'output è una difesa di sicurezza per i sistemi di IA che limita quanto dettaglio un modello rivela in ogni risposta. Invece di restituire probabilità complete, spiegazioni lunghe, ragionamenti interni o dati molto specifici, il sistema fornisce solo ciò di cui l'utente ha bisogno.
Questo è importante perché output ricchi possono aiutare un attaccante a imitare o sondare un modello. Negli attacchi di estrazione del modello, richieste ripetute combinate con risposte dettagliate possono rivelare un segnale sufficiente per addestrare una copia o mappare il comportamento del modello. La minimizzazione dell'output riduce quel segnale e rende meno utile lo scraping su larga scala. In pratica, i team possono sopprimere i punteggi di confidenza, accorciare le risposte, rimuovere i campi sensibili e limitare le modalità prolisse. Spesso viene combinata con limitazione della velocità, autenticazione, registrazione e rilevamento delle anomalie. L'obiettivo non è rendere un'IA inutilizzabile, ma ridurre la quantità di informazioni sfruttabili esposte attraverso l'interfaccia.