AI 安全面临新的攻击面
2026 年 5 月 5 日，The Verge 报道。
攻击方式
- 技术手段：gaslighting（心理操控/煤气灯效应）
- 目标模型：Claude
- 结果：成功绕过安全限制，输出制造爆炸物的指导
安全意义
这暴露了大模型安全护栏的新维度——心理层面的操控也能影响模型行为，不仅仅是传统的提示词注入或越狱攻击。
来源： The Verge + Simon Willison
链接： https://www.theverge.com/ai-artificial-intelligence/923961/security-researchers-mindgard-gaslit-claude-forbidden-information