待验证50% 置信事实精确时间

提示注入攻击不需要利用软件漏洞，而是利用模型难以区分指令与数据这一特性

1

来源数

50%

置信度

长期有效

时效性

2026/10/13

首次发现

来源

200行Python工具agentverify：捕获AI代理数据泄露

涉及实体

prompt injectionconcept

相关事实

待验证提示注入攻击的本质是利用LLM无法在架构层面区分指令与数据的结构性缺陷79% 相似已验证提示注入本质上是一种指令劫持攻击，利用LLM无法从语义层面区分系统指令与用户数据的结构性缺陷，与SQL注入有概念相似性76% 相似待验证间接提示注入将攻击向量藏在模型读取的外部文档或网页中，用户本人并不知情74% 相似待验证黑箱攻击指攻击者在无法访问模型内部参数和结构的情况下，仅通过反复查询模型的输入输出来推断其决策边界并加以利用73% 相似待验证精心构造的提示词可能诱导模型生成看似合法、却把表单数据提交到攻击者服务器的 UI 树，而用户在视觉上无从分辨72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1019340

API

curl https://kongchang.com/api/v1/knowledge/claims/1019340

MCP

get_claim(id=1019340)