待验证85% 置信事实时间未知

越狱攻击经历了从简单角色扮演（如DAN提示）到Base64编码绕过、多轮对话渐进式诱导（Crescendo Attack）、对抗性后缀攻击等多个演进阶段

1

来源数

85%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

AI Guardrails Index：最全面的LLM安全护栏评估体系详解

twitterguardrails_ai

涉及实体

DANconcept Crescendo Attackconcept 越狱攻击concept

相关事实

待验证Crescendo攻击通过一系列看似无害的对话逐步建立语境，最终引导模型突破安全边界，与传统单轮提示注入不同76% 相似已验证越狱是指通过构造特殊输入绕过大模型安全限制的攻击手法，常见形式包括角色扮演诱导、多轮对话累积绕过、编码混淆等74% 相似待验证越狱手法可分为提示注入、对抗性前缀攻击、多步骤语境构建以及自动化越狱71% 相似待验证ReAct架构的核心循环为Thought→Action→Observation，攻击者可以在Observation阶段注入恶意内容68% 相似待验证间接提示词注入的攻击链包含四个阶段：植入、触发、执行、外泄64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/27806

API

curl https://kongchang.com/api/v1/knowledge/claims/27806

MCP

get_claim(id=27806)