write_filter

新方法跨五种大型语言模型追踪提示注入，揭示防御差异

一篇新研究论文介绍了一种名为“Kill-Chain Canaries”的方法，用于跨不同阶段和大型语言模型追踪提示注入攻击。该研究测试了五种生产环境下的LLM，包括Claude Haiku 4.5、Claude Sonnet 4.5、GPT-4o-mini和DeepSeek Chat，以及各种攻击面。虽然在调用工具时提示暴露是普遍现象，但下游执行情况差异显著，Claude模型在直接攻击方面表现出很强的抵抗力，但在中继注入方面存在一些漏洞。