已过期50% 置信基准精确时间

2024年多项基准测试表明，即便采用组合防御，顶级模型在复杂间接注入场景下的成功拦截率仍在60-80%区间

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/16

首次发现

有效期至：2026/10/14(已过期)

来源

智能代理：让AI编程助手安全自主运行的关键架构

相关事实

待验证2024年的研究表明，即使经过专门的安全对齐训练，主流模型对精心构造的注入攻击的防御成功率仍不足90%77% 相似待验证2024年以来，研究者发现了对抗性后缀攻击（Adversarial Suffix），即在正常提示后附加一串看似无意义的token序列就能让模型忽略安全对齐70% 相似待验证对抗测试的效果高度依赖场景库的完备性，未被预见的攻击路径依然是盲区，单次通过测试不代表Agent在生产中永远安全69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/533745

API

curl https://kongchang.com/api/v1/knowledge/claims/533745

MCP

get_claim(id=533745)