最新研究发现 ，研究狱漏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报告越狱攻击漏洞 。其中代号为"Inception"的揭示及数据窃攻击技术 ，通过指令让AI工具虚构场景 ，主流进而在无安全限制的系统险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 ，洞不代码最终生成恶意内容 。安全"第二种越狱方式则是取风通过询问AI"如何拒绝特定请求"的模板下载反向引导实现 。CERT/CC补充说明："攻击者可交替使用正常提示与越狱问题，研究狱漏使AI在安全机制失效状态下持续响应 。报告"
这些技术若被成功利用 ，揭示及数据窃攻击者将能突破OpenAI ChatGPT 、主流Anthropic Claude 、系统险微软Copilot 、洞不代码谷歌Gemini、安全XAi Grok 、Meta AI及Mistral AI等平台的安全防护 。建站模板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 ：
上下文合规攻击（CCA） ：攻击者在对话历史中植入"愿意提供敏感信息"的虚拟助手回复策略傀儡攻击：将恶意指令伪装成XML/INI/JSON等策略文件，诱使大语言模型（LLM）绕过安全校准内存注入攻击（MINJA） ：通过查询交互向LLM代理的内存库注入恶意记录，诱导其执行危险操作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 、服务器租用潜在通用缺陷枚举（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 ，源码库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 。"
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 ，云计算导致功能完全失控 。
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 ，免费模板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 。"
