Prompt Injection: Persistent

将未经验证的数据发送到 AI 模型中的系统提示会允许攻击者操纵输出或执行未经授权的操作，从而损害系统完整性和数据安全性。

在 AI 应用程序中，系统提示提供指导 AI 响应的预处理指令或上下文。攻击者可以精心设计输入，当按照系统提示嵌入时，会更改 AI 模型的行为以执行未经授权的操作或泄露敏感信息。在持久提示注入的情况下，这种不受信任的输入通常来自数据库或后端数据存储，而不是 Web 请求。

示例 1：以下代码说明了向 Anthropic AI 模型进行的系统提示注入：

client = new Anthropic();

# Simulated attacker's input attempting to inject a malicious system prompt
attacker_query = ...;
attacker_name = db.qyery('SELECT name FROM user_profiles WHERE ...');

response = client.messages.create(
    model = "claude-3-5-sonnet-20240620",
    max_tokens=2048,
    system = "Provide assistance to the user " + attacker_name,
    messages = [
        {"role": "user", "content": attacker_query}
    ]
);
...

在此示例中，攻击者操纵未经验证的可能导致安全漏洞的系统提示输入。

将未经验证的数据发送到 AI 模型中的系统提示会允许攻击者操纵输出或执行未经授权的操作，从而损害系统完整性和数据安全性。

在 AI 应用程序中，系统提示提供指导 AI 响应的预处理指令或上下文。攻击者可以精心设计输入，当按照系统提示嵌入时，会更改 AI 模型的行为以执行未经授权的操作或泄露敏感信息。在持久提示注入的情况下，这种不受信任的输入通常来自数据库或后端数据存储，而不是 Web 请求。

示例 1：以下 Python 代码说明了向 OpenAI AI 模型进行的系统提示注入：

  client = OpenAI()

  # Simulated attacker's input attempting to inject a malicious system prompt
  attacker_name = cursor.fetchone()['name']
  attacker_query = ...

  completion = client.chat.completions.create(
      model="gpt-3.5-turbo",
      messages=[
          {"role": "system", "content": "Provide assistance to the user " + attacker_name},
          {"role": "user", "content": attacker_query}
      ]
  )

在此示例中，攻击者操纵未经验证的可能导致安全漏洞的系统提示输入。