待验证50% 置信事实精确时间
与传统SQL注入或XSS攻击不同，提示注入利用的是语言模型对自然语言的理解本身，难以通过简单输入过滤防御
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证大语言模型在推理时无法可靠区分系统指令与用户/外部内容的边界，这是提示词注入的根本性局限，与SQL注入原理相似79% 相似待验证Prompt Injection攻击难以防御的根本原因是语言模型无法区分系统指令和用户数据，因为它们都只是输入文本的一部分72% 相似待验证大语言模型出现后，自然语言到SQL转译的准确率与覆盖面大幅提升，早期方案依赖规则匹配和语义解析且覆盖范围有限71% 相似待验证对大语言模型而言，不要做X的约束有时比要做Y的指令更有效，因为模型在开放式创作任务中更容易被负样本锚定69% 相似待验证提示注入（Prompt Injection）的核心原理在于大语言模型无法可靠地区分用户的真实指令和内容中夹带的恶意指令69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1000774API
curl https://kongchang.com/api/v1/knowledge/claims/1000774MCP
get_claim(id=1000774)