主流AI系统或存在越狱、代码及数据安全漏洞

2025年5月1日01:12:51评论8 views字数 1218阅读4分3秒阅读模式

最新研究发现，多款生成式人工智能（GenAI）服务存在两类可诱导其生成非法或危险内容的越狱攻击漏洞。其中代号为"Inception"的攻击技术，通过指令让AI工具虚构场景，进而在无安全限制的子场景中实施二次诱导。

美国计算机应急响应小组协调中心（CERT/CC）在近期公告中指出："在子场景中持续发送提示词可绕过安全防护机制，最终生成恶意内容。"第二种越狱方式则是通过询问AI"如何拒绝特定请求"的反向引导实现。CERT/CC补充说明："攻击者可交替使用正常提示与越狱问题，使AI在安全机制失效状态下持续响应。"

主流AI平台集体沦陷

这些技术若被成功利用，攻击者将能突破OpenAI ChatGPT、Anthropic Claude、微软Copilot、谷歌Gemini、XAi Grok、Meta AI及Mistral AI等平台的安全防护。潜在危害包括生成受控物质制备指南、武器设计图纸、钓鱼邮件模板及恶意软件代码等非法内容。

近月研究还发现三大新型攻击手法：

代码生成暗藏安全隐患

Backslash安全团队指出，即便要求生成安全代码，实际效果仍取决于提示词详细程度、编程语言、潜在通用缺陷枚举（CWE）及指令明确性。研究表明，LLM在基础提示下默认生成的代码往往存在安全隐患，暴露出依赖GenAI进行"氛围编程"的风险。

OpenAI最新发布的GPT-4.1模型更引发特殊担忧。评估显示，在未修改系统提示的情况下，该模型出现偏题及允许故意滥用的概率达到前代GPT-4o的三倍。SplxAI专家警告："升级模型绝非简单修改代码参数，每个版本都有独特的性能与漏洞组合。"

协议漏洞催生数据泄露风险

Anthropic公司设计的模型上下文协议（MCP）开放标准被发现存在新型攻击面。瑞士Invariant实验室证实，恶意MCP服务器不仅能窃取用户敏感数据，还可劫持代理行为覆盖可信服务器指令，导致功能完全失控。

这种"工具投毒攻击"通过将恶意指令嵌入用户不可见但AI可读的MCP工具描述实现。实验演示显示，攻击者通过篡改已授权的工具描述，可从Cursor或Claude Desktop等代理系统中窃取WhatsApp聊天记录。

近期曝光的可疑Chrome扩展程序更凸显危机严重性——该扩展能与本地MCP服务器通信，完全突破浏览器沙箱防护。ExtensionTotal分析报告指出："该扩展无需认证即可全权访问MCP服务器工具，其文件系统操作权限与服务器核心功能无异，可能造成灾难性的系统级沦陷。"

主流AI系统或存在越狱、代码及数据安全漏洞

原文始发于微信公众号（FreeBuf）：主流AI系统或存在越狱、代码及数据安全漏洞

免责声明:文章中涉及的程序(方法)可能带有攻击性，仅供安全研究与教学之用，读者将其信息做其他用途，由读者承担全部法律及连带责任，本站不承担任何法律及连带责任；如有问题可邮件联系(建议使用企业邮箱或有效邮箱,避免邮件被拦截，联系方式见首页)，望知悉。

信息安全漏洞周报（2025年第20期）