OpenClaw 跨會話投毒漏洞攻破率 89.2%

🔑 增強重點摘要

• •OpenClaw 漏洞的核心在於利用了大型語言模型（LLM）的上下文學習（In-Context Learning）機制，透過跨會話的隱蔽指令注入（CIK）長期植入惡意行為模式。
• •該研究指出，現有的基於提示詞過濾（Prompt Filtering）與輸入檢測的安全防禦機制，在面對這種長期、低頻率的投毒攻擊時幾乎完全無效。
• •實驗結果顯示，OpenClaw 的攻擊效果具有高度的持久性，即使在模型進行了常規的權重更新或微調後，投毒指令依然能維持對模型輸出的控制。

🛠️ 技術深入

• •攻擊機制：利用跨會話記憶（Cross-session Memory）漏洞，將惡意指令隱藏在用戶歷史對話的長期記憶庫中。
• •CIK（Contextual Injection Key）投毒：透過特定的語義觸發器，在模型處理新請求時，自動調用預先植入的惡意上下文。
• •規避技術：攻擊者採用了多層次的混淆編碼，使得惡意指令在被模型解析前，無法被傳統的安全掃描器識別。

🔮 前景展望AI analysis grounded in cited sources