LLM漏洞

加密上下文注入攻擊：利用密文繞過 AI 內容過濾並竊取 Grok 用戶私隱

此攻擊向量精準地利用了『執行環境信任』與『安全過濾盲區』的邏輯差，將原本的明文注入升級為加密載荷，展現了極高的高級持續性威脅潛能。我判定該漏洞屬於 AI 代理架構的系統性設計缺陷而非單純的模型缺陷，雖然目前成功率僅 40%，但其繞過內容分類器的路徑極具威脅。然而，防禦端若能實施嚴格的出口邊界審核（Egress Boundary），此類攻擊將被有效攔截。

AI 推理過程竟可被解碼？揭露 OpenAI、Anthropic 與 Google API 的加密推理漏洞

本案例揭露了 AI 供應商在追求『狀態保持』與『專有邏輯保護』之間採取了過於簡陋的加密偽裝，將安全性建立在『不透明性』而非真正的加密強度之上，屬於典型的安全設計失效。雖然目前已初步修復，但其對歷史數據的潛在威脅及供應商缺乏正式承認的態度，顯示出產業在 AI 基礎設施安全透明度上的嚴重不足。