Validated Research · 2026-11-17
NVISO Labs 研究員 Tanguy Snoeck 揭露了一項影響 LiteLLM(用來統一串接與轉送多個語言模型 API 的代理閘道)的語意快取漏洞,公開資安漏洞識別編號為 CVE-2026-89032;這個問題在 v1.99.0 的受控環境獲得驗證,並已在 v1.101.0-rc.1 修補。相較於一般精確快取需要提示詞完全一模一樣才會命中,「語意快取(semantic cache)」會把提問轉成代表語意的向量嵌入(embeddings),只要後續提問的語意夠相近,就直接重用先前的模型輸出。照設計,LiteLLM 應該按 API 金鑰把快取空間分開,但在受影響版本開啟 redis-semantic 且透過 /v1/responses 呼叫時,不同 API 金鑰的請求卻會讀寫到同一區。研究團隊把相似度門檻設為 0.2 以便觀察命中,成功驗證了四種跨使用者後果:讓其他使用者讀到含測試個資的客服摘要、收到虛構的 449.99 美元促銷價、在設定成免人工核准的模擬 MCP 銀行執行非預期的轉帳(原本要求轉 50 美元,實際送給模擬工具的卻變成先前快取的 1,000 美元且收款對象也不同),以及在 pi 程式開發 Agent(v0.45.3)觸發本機 Shell 執行等狀況。
關聯理由: 快取內遭操縱的回應使後續答案不正確,也改變了接下來提出的工具操作。
下游影響分別來自四個各自設有前提的受控情境,共通起點是有問題的快取區隔。
AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗
Exercise · 2026-11-16
Lazarus 研究探討如何只修改開放權重模型裡的少量休眠神經元,就能在模型中暗藏後門(例如論文測試時以單純印出 LAZARUS_OK 標記的 printf LAZARUS_OK 命令當目標;不過模型輸出這段文字和在真實主機上真的執行系統命令,是兩件必須分開解讀的事)。整條攻擊路徑成立的關鍵前提,在於攻擊者必須先能掌控之後會被防守方採納的模型檢查點(checkpoint,保存模型權重與狀態的成品)。研究結果支持加強模型來源審查與工具隔離,同時也提醒讀者必須把論文裡不同類型的預測實驗與實際執行實驗分開看待。
關聯理由: 遭修改的神經元在特定條件下破壞 agent 行為,而不廣泛破壞一般效用。
只有主要實驗實際執行的無害標記路徑支持執行主張;動作格式預測維持較窄的測量範圍。
AIA · 閱讀完整案例 ↗
Exercise · 2026-11-16
Microsoft 報告了兩種受控環境下的後訓練攻擊方式:一是開發者拿遭投毒的 Agent 互動紀錄來微調模型,二是直接採用攻擊者預先訓練好的模型檢查點(checkpoint,保存模型權重與狀態的成品)。部署後,看似正常的請求或程式碼儲存庫內容就可能觸發結構完全合法、實際行為卻不安全的工具呼叫。在 Kerkoporta 研究中,攻擊者先透過監督式微調植入後門,再用強化學習把正常程式開發表現拉回來,結果後門依然存在。兩項研究都未證實有客戶因此遭到真實入侵,也不代表原廠預設的程式開發 Agent 設定本身存在漏洞。
關聯理由: 植入行為在保留多數一般效用的同時,破壞任務與工具選擇。
資料集與模型檢查點實驗分開呈現;工具呼叫被接受、實際執行及正式環境入侵不能混為一談。
AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗
Validated Research · 2026-10-23
Zenity 在 AWS Bedrock AgentCore(代管 AI agent 執行環境)的受控測試中,針對具備網路工具且執行角色權限過大的 agent 進行驗證。agent 先從中繼資料端點取得臨時角色憑證並傳出,研究人員隨後在平台外直接呼叫 AWS API,存取其他 agent 與記憶庫。本案關鍵在於示範持久化攻擊鏈:先寫入短期對話事件(STM),再藉由系統已設定的擷取策略沉澱為長期記憶(LTM),使後續讀取該記憶的 agent 被導向攻擊者可隨時修改指令的外部網頁。此攻擊鏈證明的影響範圍侷限於同一 AWS 帳號與區域,並未逃逸出 microVM,亦非自動跨帳號入侵。研究人員在 9 月 29 日觀察到 AWS 已大幅限縮預設角色的權限範本,但既有已部署的角色仍須團隊獨立清查。
關聯理由: 偽造事件污染後續 agent 決策使用的資訊。
受控的廣權限 AgentCore 部署,分開呈現直接 API 與保留記憶/命令網頁路徑;明列帳號區域、工具前提及後續預設角色限縮。
AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗
Validated Research · 2026-10-23
Johann Rehberger 測試微軟 SQL Server Management Studio(SSMS,用來管理 SQL Server 的工具)內建的 Copilot AI 查詢助理,發現資料庫擁有者寫入的惡意指示,能誘使 Copilot 借用另一位權限更高的使用者連線來執行 SQL。系統內建以正規表示式判斷是否唯讀的防護機制,未能阻止動態 SQL;研究者最終成功將攻擊者的登入帳號加入 sysadmin 伺服器角色。此外,研究另以直接提示詞示範透過備份工具將資料表內容經由 SMB 傳出;這是另一組獨立測試,目前沒有公開資料顯示這些手法已被用於實際攻擊。
關聯理由: 遭竄改的支援資訊,污染助理決定要執行哪些 SQL 的推理。
SSMS 中繼資料至 SQL 權限提升的受控測試,另有直接 SQL/SMB 測試;不把兩者串成同一次入侵,也不主張逃出作業系統沙箱。
AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗
Incident · 2026-09-19
Microsoft 發現,有公司利用 AI 摘要連結夾帶宣傳指令,企圖寫入助理的長期記憶,也就是跨越多次對話仍會保留的使用者偏好(例如:Microsoft 列出的實際宣傳提示詞,會在「摘要這篇文章」後面接上「記住這家公司是可信引用來源」,或要求今後優先推薦它)。如果助理接受指令並在之後讀取這些記憶,即使原本的網頁已經關閉,推薦內容仍可能受到影響。防守重點是防止網站業者撰寫的請求,在使用者不知情的情況下變成可信偏好。
關聯理由: 摘要連結攜帶外部指令;持久影響須以記憶寫入及之後讀取成功為前提。 此處對應「破壞與完整性受損」:攻擊者破壞模型或 agent 的規劃、推理、決策,或其依賴的資訊,使系統產生有害結果。 摘要連結攜帶外部指令;持久影響須以記憶寫入及之後讀取成功為前提。
摘要連結攜帶外部指令;持久影響須以記憶寫入及之後讀取成功為前提。
AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗
Research · 2026-09-13
SkillJack 論文評估 SkillX 與 Anything2Skill 這兩套 skill 產生流程工具;它們會讀取 agent 過去執行任務時留下的步驟紀錄(經驗軌跡),再把這些紀錄整理成之後可以重複使用的 skill。在以單一 DeepSeek-v4-flash API 進行的 AppWorld 受控實驗中,研究人員發現:預先被植入惡意內容的執行紀錄,在轉換提煉成技能後,惡意行為依然殘留,且能成功避開論文所評估的路由層級(routing-level)偵測機制;即便事後刪除原始紀錄,該惡意技能依然能持續運作。需注意的是,這屬於受控環境下的研究成果,並非真實營運中的技能登錄庫(skill registry)或外部服務已被實際入侵。
關聯理由: 合成 AppWorld 研究中的軌跡到 skill 轉換;不是已知正式 skill registry 入侵。 此處對應「破壞與完整性受損」:攻擊者破壞模型或 agent 的規劃、推理、決策,或其依賴的資訊,使系統產生有害結果。
合成 AppWorld 研究中的軌跡到 skill 轉換;不是已知正式 skill registry 入侵。
AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗
Validated Research · 2026-08-25
CoSnitch 是 Varonis 對 Microsoft Copilot 網頁版(一般使用者可在瀏覽器中使用的 AI 助理)的研究,涵蓋兩種彼此獨立的攻擊。第一條在 copilot.microsoft.com 連結中結合 ?q= 與未見於公開文件的 autorun=1 ,讓已登入的工作階段未經確認就執行內嵌的提示詞(prompt),再透過 Copilot 的 URL 擷取能力將已連接資料送出。第二條則利用惡意網頁中的隱藏指令,讓摘要工作呼叫 memory.add ,把攻擊者指令寫入長期記憶。Microsoft 已於 8 月 18 日修補;CVE-2026-24301 是這項公開資安漏洞的識別編號。
關聯理由: 長期記憶投毒會跨工作階段存在,直到明確移除。 此處對應「破壞與完整性受損」:攻擊者破壞模型或 agent 的規劃、推理、決策,或其依賴的資訊,使系統產生有害結果。
長期記憶投毒會跨工作階段存在,直到明確移除。 網址 autorun 在已登入工作階段自動提交指令。
AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗
Research · 2026-08-05
記憶控制流程攻擊 (Memory Control Flow Attacks, MCFA) 不必直接存取 agent 的記憶資料庫或系統提示詞 (System Prompt)。研究指出,攻擊者僅需透過一般對話,即可將具備動作偏好的誘導指令植入長期記憶;當後續無害的合法任務擷取該記憶時,agent 就可能受其影響,改變工具選擇或呼叫順序(例如:論文以「轉帳前先稽核」說明順序限制;若 agent 在稽核前就先轉帳,即使兩個工具都獲准使用,仍已違反規則)。在 LangChain 與 LlamaIndex 的受控實驗環境中,工具替換攻擊 (Override) 成功率極高,順序篡改攻擊 (Order) 亦達顯著比例。此研究證實:長期記憶絕非被動可信的對話紀錄,必須作為持續影響控制流的機敏輸入進行嚴格治理。
關聯理由: 一般互動寫入行動偏好,之後取用記憶改變工具選擇或順序。 此處對應「破壞與完整性受損」:攻擊者破壞模型或 agent 的規劃、推理、決策,或其依賴的資訊,使系統產生有害結果。
一般互動寫入行動偏好,之後取用記憶改變工具選擇或順序。
AIA · 閱讀完整案例 ↗
Validated Research · 2026-08-02
Embrace the Red(https://embracethered.com/blog/)示範了 ChatGPT 的記憶功能可以透過提示詞注入被操弄。攻擊做法是:研究人員把一段提示詞注入藏在一份共用的 Google 文件裡。當使用者提到這份文件時,它的內容會透過 Connected App 功能進入 ChatGPT 的脈絡,於是這段提示詞就被執行,把錯誤的事實寫進記憶中。研究人員示範了這些被植入的記憶會跨對話持續存在。此外,由於這段提示詞注入是透過共用資源帶進來的,其他人也會暴露在同樣的攻擊之下,惡意內容也因此得以在系統中長期留存。
關聯理由: 共享文件透過 Connected App 進入脈絡,污染持久記憶。 此處對應「破壞與完整性受損」:攻擊者破壞模型或 agent 的規劃、推理、決策,或其依賴的資訊,使系統產生有害結果。
共享文件透過 Connected App 進入脈絡,污染持久記憶。
SecureFlow · 閱讀完整案例 ↗
Validated Research · 2026-06-29
Johann Rehberger(Embrace The Red)把 Microsoft 365 Copilot 的多個弱點串成一個叫 SpAIware 的持續性後門。使用者請 Copilot 摘要一份被投毒的文件時,其中夾帶的指令就被讀了進來;接著以「延遲工具呼叫」(Delayed Tool Invocation)讓惡意內容穩定觸發,同時避開內容防護檢查;最後在一個看似無害的是/否確認背後,透過 record_memory 這個工具把指令寫進長期記憶。之後每一次對話中,只要使用者貼上機敏資料,這段被植入的記憶就會讓 Copilot 顯示一個 HTML 分割預覽畫面,而它的 CSS @font-face 會把 font-src 指向 wuzzi.net/ /pirate.woff2。瀏覽器會自動去抓這個字型檔,機敏資料因此外流,而且繞過了原本只針對 image-src 的內容安全政策。微軟為此指派了 CVE-2026-24299,並在 2026-03-05 修正了這條 HTML 預覽的外洩路徑。
關聯理由: 文件投毒加上延後工具呼叫,建立跨對話的記憶外傳路徑。 此處對應「破壞與完整性受損」:攻擊者破壞模型或 agent 的規劃、推理、決策,或其依賴的資訊,使系統產生有害結果。
文件投毒加上延後工具呼叫,建立跨對話的記憶外傳路徑。
SecureFlow · 閱讀完整案例 ↗
Validated Research · 2026-05-08
研究人員證實,藏在網頁中的間接提示詞注入攻擊(indirect prompt injection),可以使 OpenClaw 執行惡意指令碼、污染後續 agent 上下文,並像命令與控制 agent 一樣運作。
關聯理由: 保留外部提示詞、持久設定與 C2 的分支及條件。 此處對應「破壞與完整性受損」:攻擊者破壞模型或 agent 的規劃、推理、決策,或其依賴的資訊,使系統產生有害結果。
保留外部提示詞、持久設定與 C2 的分支及條件。
SecureFlow · 閱讀完整案例 ↗