待验证50% 置信事实精确时间

间接提示注入比直接注入更难防御，因为攻击载体隐藏在模型应该信任的外部内容里，利用了 LLM 将指令与数据混合处理的根本特性

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

Claude Opus 5.5 vs GPT-6 Astra：别再二选一，用路由分流更聪明

涉及实体

间接提示注入concept

相关事实

待验证由于LLM基于注意力机制的架构难以精确区分要处理的数据与要遵守的指令，提示注入攻击目前没有纯模型层面的完美解法78% 相似已验证提示词注入攻击本质上是利用大模型指令与数据不分离的固有缺陷，分为直接注入和间接注入两类77% 相似待验证LLM-as-Attacker范式用一个专门微调的攻击LLM持续生成对抗提示，再由裁判LLM评估目标模型响应是否违规，形成无需人工介入的闭环73% 相似待验证某些越狱攻击的有效性来自于诱导模型进入特定吸引子状态，使输出在该框架内自我强化73% 相似待验证防御提示注入的重心应从试图让模型识别注入，转移到限制被注入后能造成的实际损害73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003811

API

curl https://kongchang.com/api/v1/knowledge/claims/1003811

MCP

get_claim(id=1003811)