待验证50% 置信事实精确时间

语言不可读性（Linguistic Illegibility）指当输入内容对人类审核者或传统过滤系统难以理解、解析或判定意图时，模型的安全边界可能被突破

1

来源数

50%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

语言不可读性：大模型安全的隐藏攻击面

涉及实体

语言不可读性concept LLMconcept

相关事实

待验证跨语言越狱利用了模型概念空间与语言空间的非对称性，因安全拒绝行为的学习高度语言特异70% 相似待验证语言不可读性攻击的典型手段包括用Unicode变体字符替换敏感词汇、混用多种语言、利用低资源语言绕过过滤器，以及通过多轮对话将有害意图拆散70% 相似已验证大语言模型本质是概率性文本生成系统，缺乏对外部系统实时验证能力，输入文档存在歧义或缺失时会产生幻觉69% 相似待验证语言不可读性攻击的核心在于利用表达形式本身制造理解盲区，攻击者欺骗的是模型之外的防御层，而非模型本身69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/933156

API

curl https://kongchang.com/api/v1/knowledge/claims/933156

MCP

get_claim(id=933156)