待验证50% 置信事实精确时间

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

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

相关事实

待验证任何来自外部、不可信来源的文本在进入大语言模型之前都应被视为潜在攻击载体76% 相似待验证Prompt Injection攻击难以防御的根本原因是语言模型无法区分系统指令和用户数据，因为它们都只是输入文本的一部分72% 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72% 相似待验证自然语言作为攻击载体使得攻击样本几乎无法被签名检测，每次攻击可用不同措辞表达相同恶意意图72% 相似待验证引入大语言模型赋予系统语义理解能力，可理解诈骗话术与系统警告在话术上的欺骗性差异71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/933157

API

curl https://kongchang.com/api/v1/knowledge/claims/933157

MCP

get_claim(id=933157)