AI供應鏈洩密:研究員植入200萬金絲雀發現普遍洩漏
时间:2026 年 11 月 20 日
地点:美国
人物:HD Moore(Dragos 首席研究官)、多家 AI 托管服务商及转售商
事件详情:安全公司 Dragos 首席研究官 HD Moore 于 11 月 19 日披露了一项为期五个月的实验。研究团队向主流 AI 服务发送了近 200 万条内嵌唯一追踪密钥的提示词,测试 AI 供应链中的数据泄露风险。结果显示,至少三家 AI 托管服务商遭遇入侵,攻击者复用数百个测试 AWS 密钥,在数小时内发起数万次 API 调用,枚举 S3 存储桶、检索密钥管理服务,并试图在 AWS Bedrock 中启用模型及创建 IAM 用户以维持访问。部分转售商(如 OpenRouter、Vercel)在日志中留存客户提示词并外传给第三方,即使用户标记了零数据保留或禁止采集。Moore 发现,一家中国 AI 实验室的系统从过半提示词中抓取了私密 URL,包括约三分之二标记为禁止采集的请求。受影响的服务商在 Moore 通知前均未察觉入侵。
背景:随着 AI 应用普及,OpenRouter、Vercel 等 AI 路由器/网关成为常见基础设施,它们充当中介,根据价格或任务适配度将用户请求路由到不同推理引擎。 prompts 在这些节点之间传递时会多次解密,每个环节都可能按自身策略记录并长期存储。此前业界对 AI 服务链的隐私保护主要停留在模型提供商层面,对中间路由层和转售层的信任缺乏实证检验。
影响:该实验揭示了 AI 供应链的系统性隐私失效。攻击者不仅可以从服务商前端直接窃取请求,还能在请求被模型拒绝前就完成密钥复制。更严峻的是,隐私标记(如 ZDR/零数据保留)在攻击者已进入系统的场景下形同虚设。研究建议:处理敏感信息时应绕开低价推理转售市场、直连一级供应商,避免在提示词中出现真实凭据,并自行部署金丝雀令牌监测泄露。
总结:HD Moore 的 200 万条金丝雀实验证明,AI 服务链的隐私保护存在结构性的薄弱环节。用户在提示词中嵌入的任何凭据都可能经多层中介外泄,而现有的隐私声明无法阻止已入侵节点的数据流出。对于企业用户而言,直连可信模型提供商、移除提示词中的真实密钥、并持续监控异常访问,是当前最实际的防护手段。
常见问题:
问:什么是 AI 金丝雀提示词?
答:研究团队将唯一的 AWS 密钥、SSH 密码、私密 URL 等凭据分别嵌入不同提示词,若这些凭据被使用,即可追踪数据从哪一环节流出。
问:普通用户如何避免提示词泄露?
答:避免在提示词中输入真实密码、API 密钥或私密链接;涉及敏感业务时优先直连一级模型提供商,而非通过转售市场或路由器中转。
参考来源:
AI Affairs 报道
https://www.aiaffairs.com/news/ai-prompt-test-compromised-hosts-leaking-resellers/
Cybernoz 编译
https://cybernoz.com/researcher-plants-2m-canaries-into-the-ai-supply-chain-a-privacy-disaster-surfaced/
IT时代网 中文报道
https://www.itsdw.cn/news/50739.html
驱动中国 中文报道
https://app.qudong.com/article/530345.html
TechNews 转载
https://technews.co.ke/article/researcher-plants-2m-canaries-into-the-ai-supply-chain-a-privacy-disaster-surfaced
Inkme News 转载
https://news.e-ink.me/en/archive/2026-11-21/article/researcher-plants-2m-canaries-into-the-ai-supply-chain-a-privacy-disaster-surfac







