AI 代理容易受到通过 JSON、CSV 和 YAML 等常见数据格式进行的提示注入攻击,因为攻击者可以在数据字段中嵌入恶意指令。这些格式本身不提供固有安全性,因为 LLM 处理的是解码后的字符串值,而不是结构格式本身。这种漏洞已经在针对 GitHub Copilot 和 Microsoft Copilot 等工具的现实世界攻击中被利用,AIShellJack 等框架在利用这些弱点方面取得了很高的成功率。 AI
影响 这项研究突显了 AI 代理中存在的关键安全漏洞,需要新的防御措施来抵御数据驱动的提示注入攻击。
排序理由 该项目详细介绍了一类新的与数据格式解析相关的 AI 代理安全漏洞,并得到了研究论文和已编目的攻击向量的支持。[lever_c_demoted from research: ic=1 ai=1.0]
- AI agents
- AIShellJack
- arXiv:2601.17548
- ATR-2026-00084
- Cisco AI Defense
- Claude 3.5
- Claude Code
- comma-separated values
- Cursor+
- Devin
- Gemini 1 5
- GitHub Copilot
- GPT-4o
- JSON
- Microsoft AGT
- Microsoft Copilot for Microsoft 365
- NVIDIA Garak
- OWASP LLM01:2025
- YAML
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →