<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>提示注入 :: 标签 :: x7peeps</title><link>https://blog.x7peeps.com/tags/%E6%8F%90%E7%A4%BA%E6%B3%A8%E5%85%A5/index.html</link><description/><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Sat, 26 Sep 2026 00:10:00 +0800</lastBuildDate><atom:link href="https://blog.x7peeps.com/tags/%E6%8F%90%E7%A4%BA%E6%B3%A8%E5%85%A5/index.xml" rel="self" type="application/rss+xml"/><item><title>无人值守任务的凭据安全：从一次定时任务静默拒跑到端点绑定设计</title><link>https://blog.x7peeps.com/AI/08-%E5%AE%89%E5%85%A8%E4%B8%8EAI%E8%9E%8D%E5%90%88/%E6%97%A0%E4%BA%BA%E5%80%BC%E5%AE%88%E4%BB%BB%E5%8A%A1%E7%9A%84%E5%87%AD%E6%8D%AE%E5%AE%89%E5%85%A8%E4%BB%8E%E4%B8%80%E6%AC%A1%E5%AE%9A%E6%97%B6%E4%BB%BB%E5%8A%A1%E9%9D%99%E9%BB%98%E6%8B%92%E8%B7%91%E5%88%B0%E7%AB%AF%E7%82%B9%E7%BB%91%E5%AE%9A%E8%AE%BE%E8%AE%A1/index.html</link><pubDate>Sat, 26 Sep 2026 00:10:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/08-%E5%AE%89%E5%85%A8%E4%B8%8EAI%E8%9E%8D%E5%90%88/%E6%97%A0%E4%BA%BA%E5%80%BC%E5%AE%88%E4%BB%BB%E5%8A%A1%E7%9A%84%E5%87%AD%E6%8D%AE%E5%AE%89%E5%85%A8%E4%BB%8E%E4%B8%80%E6%AC%A1%E5%AE%9A%E6%97%B6%E4%BB%BB%E5%8A%A1%E9%9D%99%E9%BB%98%E6%8B%92%E8%B7%91%E5%88%B0%E7%AB%AF%E7%82%B9%E7%BB%91%E5%AE%9A%E8%AE%BE%E8%AE%A1/index.html</guid><description>无人值守任务的凭据安全：从一次定时任务静默拒跑到端点绑定设计 凌晨零点过一分，一台工作台上的版本安全审计定时任务照常触发。它已经稳定运行了很多天：每六小时跑一次，检查依赖更新、比对安全公告、把结果推送回工作流。但这一晚，它没有跑。不是超时，不是网络抖动，也不是任务逻辑出错——整个任务在进入模型之前就被调度器直接拒绝执行，错误信息指向一个此前从没人多看一眼的配置组合：这个任务给一个命名模型服务商配了自定义的推理端点地址。</description></item><item><title>AI CLI 编码工具安全修复潮复盘：七款工具暴露的五类防守盲区</title><link>https://blog.x7peeps.com/AI/08-%E5%AE%89%E5%85%A8%E4%B8%8EAI%E8%9E%8D%E5%90%88/AI-CLI-%E7%BC%96%E7%A0%81%E5%B7%A5%E5%85%B7%E5%AE%89%E5%85%A8%E4%BF%AE%E5%A4%8D%E6%BD%AE%E5%A4%8D%E7%9B%98%E4%B8%83%E6%AC%BE%E5%B7%A5%E5%85%B7%E6%9A%B4%E9%9C%B2%E7%9A%84%E4%BA%94%E7%B1%BB%E9%98%B2%E5%AE%88%E7%9B%B2%E5%8C%BA/index.html</link><pubDate>Wed, 16 Sep 2026 23:50:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/08-%E5%AE%89%E5%85%A8%E4%B8%8EAI%E8%9E%8D%E5%90%88/AI-CLI-%E7%BC%96%E7%A0%81%E5%B7%A5%E5%85%B7%E5%AE%89%E5%85%A8%E4%BF%AE%E5%A4%8D%E6%BD%AE%E5%A4%8D%E7%9B%98%E4%B8%83%E6%AC%BE%E5%B7%A5%E5%85%B7%E6%9A%B4%E9%9C%B2%E7%9A%84%E4%BA%94%E7%B1%BB%E9%98%B2%E5%AE%88%E7%9B%B2%E5%8C%BA/index.html</guid><description>AI CLI 编码工具安全修复潮复盘：七款工具暴露的五类防守盲区 AI CLI 编码工具（Claude Code、OpenAI Codex、Gemini CLI、GitHub Copilot CLI、Kimi Code CLI、OpenCode、Qwen Code）已经大规模进入开发者的日常工作流。这些工具运行在开发机上，手里握着 shell 执行权、仓库读写权、凭据访问权和日益增多的 MCP 连接器——从防守者视角看，它们不再是"编辑器插件"，而是一组半自主的特权进程。</description></item><item><title>AI Agent安全与自动化攻击防御取证深度分析</title><link>https://blog.x7peeps.com/%E5%AE%89%E5%85%A8/%E5%BA%94%E6%80%A5%E5%93%8D%E5%BA%94/0x03%E5%8F%96%E8%AF%81%E5%88%86%E6%9E%90/AI-Agent%E5%AE%89%E5%85%A8%E4%B8%8E%E8%87%AA%E5%8A%A8%E5%8C%96%E6%94%BB%E5%87%BB%E9%98%B2%E5%BE%A1%E5%8F%96%E8%AF%81%E6%B7%B1%E5%BA%A6%E5%88%86%E6%9E%90/index.html</link><pubDate>Mon, 13 Jul 2026 14:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/%E5%AE%89%E5%85%A8/%E5%BA%94%E6%80%A5%E5%93%8D%E5%BA%94/0x03%E5%8F%96%E8%AF%81%E5%88%86%E6%9E%90/AI-Agent%E5%AE%89%E5%85%A8%E4%B8%8E%E8%87%AA%E5%8A%A8%E5%8C%96%E6%94%BB%E5%87%BB%E9%98%B2%E5%BE%A1%E5%8F%96%E8%AF%81%E6%B7%B1%E5%BA%A6%E5%88%86%E6%9E%90/index.html</guid><description>系统剖析AI Agent安全威胁与自动化攻击防御取证全链路方法论，涵盖间接提示注入攻击检测、Agent记忆投毒与RAG知识库污染取证、工具链劫持与函数调用滥用分析、MCP协议中间人攻击与Server伪装检测、Agent沙箱逃逸与权限提升取证、多Agent协作攻击与信任链破坏分析，结合真实Agent安全事件案例提供Sigma规则与自动化检测脚本</description></item><item><title>大语言模型(LLM)应用安全取证深度分析</title><link>https://blog.x7peeps.com/%E5%AE%89%E5%85%A8/%E5%BA%94%E6%80%A5%E5%93%8D%E5%BA%94/0x03%E5%8F%96%E8%AF%81%E5%88%86%E6%9E%90/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8BLLM%E5%BA%94%E7%94%A8%E5%AE%89%E5%85%A8%E5%8F%96%E8%AF%81%E6%B7%B1%E5%BA%A6%E5%88%86%E6%9E%90/index.html</link><pubDate>Fri, 17 Jul 2026 11:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/%E5%AE%89%E5%85%A8/%E5%BA%94%E6%80%A5%E5%93%8D%E5%BA%94/0x03%E5%8F%96%E8%AF%81%E5%88%86%E6%9E%90/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8BLLM%E5%BA%94%E7%94%A8%E5%AE%89%E5%85%A8%E5%8F%96%E8%AF%81%E6%B7%B1%E5%BA%A6%E5%88%86%E6%9E%90/index.html</guid><description>系统剖析大语言模型LLM应用环境下的安全取证方法论，涵盖提示注入攻击直接与间接注入检测与溯源、RAG检索增强生成系统安全取证向量数据库污染与检索劫持、LLM数据投毒与模型后门取证、对抗样本与越狱攻击取证分析、AI Agent工具调用与MCP协议滥用取证，结合ChatGPT数据泄露与Copilot代码投毒真实案例还原LLM应用全链路取证流程并提供Sigma与自动化检测脚本</description></item><item><title>AI红队与对抗性机器学习安全取证深度分析</title><link>https://blog.x7peeps.com/%E5%AE%89%E5%85%A8/%E5%BA%94%E6%80%A5%E5%93%8D%E5%BA%94/0x03%E5%8F%96%E8%AF%81%E5%88%86%E6%9E%90/AI%E7%BA%A2%E9%98%9F%E4%B8%8E%E5%AF%B9%E6%8A%97%E6%80%A7%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%AE%89%E5%85%A8%E5%8F%96%E8%AF%81%E6%B7%B1%E5%BA%A6%E5%88%86%E6%9E%90/index.html</link><pubDate>Sat, 18 Jul 2026 10:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/%E5%AE%89%E5%85%A8/%E5%BA%94%E6%80%A5%E5%93%8D%E5%BA%94/0x03%E5%8F%96%E8%AF%81%E5%88%86%E6%9E%90/AI%E7%BA%A2%E9%98%9F%E4%B8%8E%E5%AF%B9%E6%8A%97%E6%80%A7%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%AE%89%E5%85%A8%E5%8F%96%E8%AF%81%E6%B7%B1%E5%BA%A6%E5%88%86%E6%9E%90/index.html</guid><description>系统剖析AI红队对抗性攻击的取证分析方法论，涵盖对抗样本生成与检测、模型提取与窃取取证、训练数据投毒分析、模型后门植入检测、LLM提示注入与越狱攻击取证，结合模型完整性验证与异常行为检测等自动化手段，通过BadNets、Adversarial Patch、ChatGPT越狱、HuggingFace投毒等真实案例还原AI安全事件完整取证链</description></item></channel></rss>