已验证70% 置信事实精确时间

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

4

来源数

70%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

Claude Mythos预览版漏洞激增：大模型安全性如何保障？

hackernewshackernews2026/7/3

相关事实

已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82% 相似待验证通过精心设计的提示词、角色扮演框架或多轮对话引导可以绕过部分护栏，这类技术被称为越狱76% 相似待验证模型越狱（Jailbreak）指通过精心构造的提示词绕过大模型的安全对齐机制，常见技术包括角色扮演攻击、多轮对话诱导、编码混淆76% 相似已验证越狱通常通过角色扮演、虚构场景或指令覆盖来绕过模型的行为约束74% 相似待验证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74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/490538

API

curl https://kongchang.com/api/v1/knowledge/claims/490538

MCP

get_claim(id=490538)