待验证50% 置信事实精确时间

攻击率（attack rate）衡量模型在对抗性提示（jailbreak、prompt injection等）下被成功诱导输出有害内容的概率，数值越低说明安全边界越稳固

1

来源数

50%

置信度

长期有效

时效性

2026/9/28

首次发现

来源

从1.1万个模型中精选：Microsoft Foundry选型实战指南

涉及实体

attack rateconcept

相关事实

已验证越狱攻击指通过精心构造的提示词绕过模型的安全对齐机制，使其输出有害内容75% 相似待验证在持有真实登录态的场景下，Prompt Injection攻击的危害级别显著提升，业界目前尚无完善的防御机制73% 相似待验证攻击边际指标表示在最坏情况下估计流场被破坏程度的相对降低幅度，针对白盒对手计算72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/955248

API

curl https://kongchang.com/api/v1/knowledge/claims/955248

MCP

get_claim(id=955248)