What are the most common AI/LLM security threats?

The most common AI/LLM security threats include prompt injection (direct and indirect), data poisoning, model theft and extraction, supply chain attacks, denial of service against model endpoints, insecure output handling, and sensitive information disclosure through LLM responses.

What is prompt injection and how does it work?

Prompt injection is an attack where malicious input is crafted to override or bypass an AI system's safety instructions. Direct prompt injection targets the system prompt, while indirect prompt injection embeds instructions in external content like web pages or documents that the AI processes.

What is model theft and data poisoning in AI systems?

Model theft involves extracting an AI model's parameters, architecture, or training data through API queries or side-channel attacks. Data poisoning occurs when an attacker injects malicious data into the training set, causing the model to learn incorrect behaviors or backdoors that can be triggered later.

How can organizations mitigate AI supply chain attacks?

Organizations can mitigate AI supply chain attacks by vetting model sources and verifying checksums, scanning models for backdoors using tools like ModelScan, implementing strict dependency pinning, monitoring for typosquatting packages, and maintaining a software bill of materials (SBOM) for AI components.

Zagrożenia dla systemów AI

Kompleksowy katalog luk w zabezpieczeniach i wektorów ataków specyficznych dla sztucznej inteligencji

Zagrożenia krytyczne

Immediate risks with potential for severe impact. Require urgent remediation.

Wysokie ryzyko

Serious vulnerabilities that should be addressed promptly to reduce exposure.

Strategie obrony

Najlepsze praktyki i środki zaradcze mające na celu zmniejszenie narażenia na zagrożenia AI.

Kategorie zagrożeń

Prompt Injection

Critical

Crafted inputs designed to manipulate model behavior, override safeguards, or extract sensitive information.

Podejście testowe

Craft adversarial prompts with hidden instructions or special characters
Attempt multi-turn injection chaining
Test for jailbreak bypass of alignment filters
Evaluate output sanitization and safety layers

Training Data Poisoning

Critical

Malicious or biased data introduced into training pipelines, compromising model integrity and reliability.

Podejście testowe

Analyze data provenance and supply chain
Inject poisoned samples and assess downstream effects
Test resilience to mislabeled or manipulated data
Review validation and anomaly detection mechanisms

Model Inversion

High

Reconstructing training data or sensitive attributes from model outputs, leading to privacy breaches.

Podejście testowe

Attempt to recover representative training samples
Test susceptibility to membership inference attacks
Evaluate differential privacy protections
Assess risk of leaking PII from embeddings

Adversarial Examples

High

Inputs intentionally perturbed to cause misclassification, hallucinations, or other erroneous outputs.

Podejście testowe

Generate gradient-based adversarial examples
Apply noise and perturbation attacks
Check model consistency across variations
Evaluate robustness against transfer attacks

Model Stealing

High

Extraction of model functionality or parameters through repeated queries or side-channel analysis.

Podejście testowe

Simulate query-based model extraction
Analyze API rate limits and response variability
Check for fingerprinting vulnerabilities
Test throttling and monitoring protections

Data Memorization Leakage

High

Sensitive information unintentionally memorized by AI models, retrievable via crafted prompts.

Podejście testowe

Probe for known secret patterns in outputs
Test for repeated exposure of sensitive training data
Assess risk of accidental PII disclosure

Model Misuse & Malicious Automation

High

AI leveraged to perform tasks outside intended scope, enabling social engineering, spam, or automated attacks.

Podejście testowe

Simulate misuse scenarios using sandbox models
Test AI output moderation and guardrails
Assess monitoring alerts for abnormal behaviors

Najlepsze praktyki w zakresie testowania i obrony

Bezpieczne środowisko testowe

Do testowania używaj instancji w trybie piaskownicy lub replik
Nigdy nie wykonuj nieautoryzowanych testów na systemach produkcyjnych
Wdrożenie funkcji monitorowania, rejestrowania i wycofywania danych

Dokumentacja i możliwość obserwacji

Prowadź szczegółowe dzienniki testów i dowody
Przechwytuj odpowiedzi modelu w celu zapewnienia powtarzalności
Oznaczanie, klasyfikowanie i organizowanie przypadków testowych na potrzeby przyszłych audytów

Zgodność z prawem i etyką

Pozostań w autoryzowanym zakresie i umowach
Przestrzegaj ochrony danych, przepisów dotyczących prywatności i własności intelektualnej
Przestrzegaj odpowiedzialnego ujawniania i skoordynowanego ujawniania luk w zabezpieczeniach

Monitorowanie i ograniczanie ryzyka

Wdrożenie wykrywania anomalii w przypadku nietypowych wyników AI
Regularnie przeglądaj limity stawek, dostęp do API i wzorce zapytań
Zintegruj alerty w czasie rzeczywistym o krytycznych zagrożeniach

Źródła i zasoby

AI Hacking Team

The AI Hacking team researches and documents AI/LLM security vulnerabilities, red teaming techniques, and defensive strategies. Our guides are based on real-world pentesting experience and continuous monitoring of the AI security landscape.

GitHub LinkedIn

Zagrożenia dla systemów AI

Zagrożenia krytyczne

Wysokie ryzyko

Strategie obrony

Kategorie zagrożeń

Prompt Injection

Training Data Poisoning

Model Inversion

Adversarial Examples

Model Stealing

Data Memorization Leakage

Model Misuse & Malicious Automation

Najlepsze praktyki w zakresie testowania i obrony

Bezpieczne środowisko testowe

Dokumentacja i możliwość obserwacji

Zgodność z prawem i etyką

Monitorowanie i ograniczanie ryzyka

Źródła i zasoby

Stay Ahead of AI Security