跳到正文
原文
arXiv:越狱、提示注入、投毒与防御· arXiv:2610.03857· Zeezoo Ryu, Simon Chung, Muhammad Faraz Karim, Anna Raymaker, Karan Singh Jodha, Yash Chaturvedi, Sukarno Mertoguno·本站收录 · 原文发表 日期未标

研究者提出 EviLLM 攻击:通过被入侵账号向 AI 代码生成流程注入漏洞

Beware EviLLM: Enabling Vulnerability Injection via Large Language Models

AI 导读

研究者提出名为 EviLLM 的攻击,威胁模型是能力与现有网络犯罪分子相当的第三方攻击者攻陷 AI 代码生成流程,故意向生成的代码中注入漏洞。该攻击实现了两个实例,均只需通过被入侵的账号或浏览器访问底层 LLM,即可注入 13 类 CWE 漏洞;可行性研究显示这两种攻击向量已被用于实施多种现有网络攻击。用户研究中,两个实例注入的漏洞分别有 8 人中的 7 人和 13 人中的 10 人未察觉,21 名参与者中有 13 人很少或从不考虑此类攻击风险。

阅读原文arxiv.org