待验证50% 置信事实精确时间

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

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

Unicodetechnology 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72% 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% 相似待验证生产环境中用户可能输入含有歧义、错别字、多语言混合甚至恶意注入（Prompt Injection）的内容71% 相似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

引用此条事实

Stable URI

https://kongchang.com/claim/933158

API

curl https://kongchang.com/api/v1/knowledge/claims/933158

MCP

get_claim(id=933158)