這是有關代理式 AI 漏洞議題的最後一篇文章，本文探討對 AI 代理造成威脅的各種新興漏洞，主要是提供主動式資安建議來防範程式碼執行、資料外傳以及資料庫存取等方面的漏洞。

大型語言模型 (LLM) 已日益成為現代化應用程式的一環，其安全性比以往更加重要。我們在先前幾篇文章已討論過可能對 AI 代理造成威脅的新興漏洞，主要聚焦在程式碼執行、資料外傳以及資料庫存取等領域。

本系列的最後一篇，我們將探討如何應對這些威脅所帶來的挑戰，以及我們為何需要嚴密的多層式策略來保護這些系統。本系列其他文章還有：

• 第一篇：揭發 AI 代理的漏洞 ─ 介紹 AI 代理的主要資安風險，例如：提示注入與執行未經授權的程式碼，並摘要說明後續討論的議題架構，包括：資料外傳、資料庫漏洞攻擊，以及防範策略。
• 第二篇：程式碼執行漏洞 ─ 探討駭客將如何利用 LLM 驅動服務的弱點來執行未經授權的程式碼、避開沙盒模擬環境的限制，以及利用錯誤處理機制的漏洞，進而導致資料外洩、未經授權的資料傳輸，以及取得執行環境的永久存取權限。
• 第三篇：資料外傳：探討駭客如何利用間接提示注入，讓 GPT-4o 這類多模態 LLM 在遇到看似無害的惡意檔案時將機敏資料外傳。這種所謂的「零點選」(zero-click) 漏洞可讓駭客在網頁、圖片及文件中暗藏指令，誘騙 AI 代理洩露使用者互動記錄、上傳檔案，以及聊天記錄當中的機密資訊。
• 第四篇：資料庫存取漏洞 ─ 探討駭客如何攻擊與 LLM 整合的資料庫系統，透過 SQL 隱碼注入、預先儲存的提示注入，以及向量儲存下毒來取得管制的資料，同時還能避開認證機制。駭客可利用提示篡改來影響查詢結果、取得機密資訊，或者插入永久性漏洞來影響未來的查詢。

防範程式碼執行漏洞

繼續閱讀

駭客如何攻擊具備資料庫存取能力的 AI 代理？本文探討駭客如何利用 SQL 生成漏洞、預先儲存的提示注入，以及向量儲存下毒等手法來從事詐騙活動。

繼續閱讀