AML.T0057 · LLM Data Leakage

閱讀 MITRE ATLAS 中 AML.T0057「LLM Data Leakage」相關的 2 個 AI 資安案例,查看事件證據、適用範圍與 AIDEFEND 防禦分析。

風險分類說明

Adversaries may craft prompts that induce the LLM to leak sensitive information. This can include private user data or proprietary information. The leaked information may come from proprietary training data, data sources the LLM is connected to, or information from other users of the LLM.

框架官方來源 ↗ · 開啟互動探索 ↗

Validated Research ·

Compaction Smuggling:壓縮對話成為轉移隱藏推理內容的管道

Xint 測試了 OpenAI API 的對話壓縮功能,也就是把先前工作整理成後續模型可接續使用的內容。研究者利用可由用戶端指定的壓縮指示,將 gpt-5.6-sol 受保護的推理內容轉存為加密壓縮項目,再交給 gpt-4.1 或 gpt-4o 回傳可讀文字。這是以研究者自己的題目進行的受控 API 測試,未展示竊取其他使用者的對話。Xint 表示,問題已於 2026 年 10 月 23 日以未公開細節的方式修補。

沿用 SecureFlow 來源步驟的 ATLAS 標註;不是 MITRE 對跨框架對應的背書。

AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗

Validated Research ·

Stolen Thoughts:不透明推理區塊可被跨情境重用,進而還原機敏內容

研究團隊在 2026 年 7 月初測試 Anthropic、OpenAI 與 Google API 時發現,供應商回傳的不透明推理區塊 (opaque reasoning block, 供模型接續推理、使用者無法直接讀取內文的資料區塊),曾可跨工作階段、跨使用者,或交給同一家供應商的相容模型繼續使用。攻擊者必須先取得他人的區塊,再把它送給能力較弱的相容模型,並透過越獄誘使模型轉錄隱藏推理。團隊從 6,708 筆公開的 agent 執行記錄重建 315,320 個區塊,並在 328 個工作階段找到真實機敏資料。作者表示,供應商採取緩解措施後,已無法重現所展示的攻擊。

沿用 SecureFlow 來源步驟的 ATLAS 標註;不是 MITRE 對跨框架對應的背書。

AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗