2025年LLM应用十大安全风险！OWASP最新指南

近年来，大型语言模型（LLM）如ChatGPT、文心一言等已渗透到各行各业，但随之而来的安全问题却暗藏“杀机”。

OWASP（开放全球应用安全项目）近期发布了《2025年大语言模型应用程序十大安全风险》，揭示了LLM应用面临的致命威胁！

作为网络安全爱好者，本文将为你划重点，一文读懂未来AI安全的核心挑战！

OWASP是网络安全领域的权威组织，其发布的“十大风险”清单始终是行业风向标。2025版报告基于全球专家贡献，新增了无限制消耗、系统提示泄露、向量和嵌入漏洞等前沿风险，直击LLM应用在性能、隐私、供应链等维度的安全隐患。

核心目标：帮助开发者、安全从业者提前预判风险，构建更安全的AI应用生态！

提示注入（LLM01）

威胁：攻击者通过隐藏指令操控模型，绕过安全规则。

案例：篡改简历中的“白底白字”指令，让模型误判候选人资质。

敏感信息披露（LLM02）

威胁：模型泄露用户隐私、商业机密甚至训练数据。

案例：ChatGPT因数据清洗漏洞，意外返回其他用户个人信息。

供应链攻击（LLM03）

威胁：第三方模型、微调工具（如LoRA）暗藏后门。

案例：攻击者篡改Hugging Face开源模型，植入虚假信息传播逻辑。

数据与模型投毒（LLM04）

威胁：恶意数据污染训练集，导致模型输出偏见或错误。

案例：攻击者向训练数据注入歧视性内容，模型生成种族歧视回答。

不当输出处理（LLM05）

威胁：模型生成代码/指令直接执行，引发XSS、SQL注入。

案例：LLM生成的SQL语句未经审查，导致数据库被清空。

过度代理（LLM06）

威胁：模型权限过高，越权执行危险操作。

案例：聊天机器人插件误开“删除邮件”功能，用户数据遭误删。

系统提示泄露（LLM07）

威胁：初始化指令暗含API密钥等敏感信息。

案例：攻击者诱导模型泄露内部提示，获取数据库访问权限。

向量与嵌入漏洞（LLM08）

威胁：RAG技术依赖的向量数据库遭数据投毒。

案例：攻击者篡改知识库文档，模型输出误导性医疗建议。

虚假信息（LLM09）

威胁：模型“幻觉”生成看似真实实则错误的内容。

案例：ChatGPT虚构法律案例，律师引用后引发诉讼危机。

无界消费（LLM10）

威胁：海量请求耗尽资源，服务瘫痪或天价账单。

案例：攻击者利用云服务按需计费，发起“钱包拒绝”攻击。

OWASP强调，LLM的安全不仅是技术问题，更涉及伦理与治理。报告中特别提到：

立即获取完整中文报告，公众号内回复【LLM】即可。