安全研究揭示公开GitHub Issue可诱骗AI泄露私有数据，仅需一词即可绕过防护

一项新的安全研究揭示了一种针对 AI 模型的新型攻击向量：攻击者可以利用公开的 GitHub Issue 来诱导 AI 泄露私有数据。更令人担忧的是，绕过现有防护机制仅需一个关键词。

该项研究指出，GitHub Issue 作为公开可访问的协作功能，其内容可以被恶意构造，从而在 AI 模型读取这些 Issue 时触发数据泄露。这意味着使用 GitHub Issue 作为数据源的 AI 工具可能面临隐蔽的安全风险。

传统上，企业依赖权限控制和数据隔离来保护私有信息。但这类攻击利用了 AI 模型在处理混合数据时的行为特点，使得原本看似安全的公开数据变成了攻击通道。

研究显示，攻击者仅需在 Issue 中嵌入一个经过精心选择的词语，就可以诱使模型越过权限边界，输出本不应暴露的私有数据。这种攻击方式隐蔽性强，且不需要高深的技术门槛。

这一发现对依赖公开代码仓库和 Issue 数据来训练或增强 AI 模型的企业和开发者具有重要警示意义。安全专家建议团队重新评估 AI 系统对公开数据的处理策略。

目前，相关的安全社区和受影响平台尚未公布具体的修复方案。但在 AI 安全领域，此类"间接提示注入"攻击正在成为越来越受关注的研究方向。