ZONE.CI 全球网

公开资料显示一种名为InkJect的新型视觉提示注入攻击，利用多模态大模型读取图片中隐藏的恶意指令，绕过文本安全防线。攻击者将指令嵌入图片并置于公开仓库，当用户要求模型处理仓库内容时，模型会自动读取并执行指令，如创建管理员账号。该攻击利用安全检测工具与视觉语言模型的能力差，通过白色背景白色文字或倾斜变形文字实现，测试显示多款商用模型均存在脆弱性，凸显多模态AI安全体系的设计盲区。

InkJect是一种针对多模态大模型的间接视觉提示注入攻击。攻击者将恶意指令嵌入图片并托管在公开位置，当用户要求模型处理仓库或素材时，模型会自动拉取图片并执行隐藏指令，如创建后门账号。该攻击利用OCR与视觉语言模型的能力鸿沟，通过白色文字或倾斜变形绕过安全检测。当前主流模型如GPT-5.2和Claude系列均存在脆弱性，攻击可规模化且隐蔽性强，对生产环境构成严重威胁。

DeepKeep揭露InkJect新型多模态攻击，通过LSB隐写、白底白字或文字失真等手段将恶意指令藏于图片中。因大模型文本防御无法覆盖视觉通道，GPT和Claude会直接执行图片内的隐藏指令，引发数据泄露风险。建议企业对输入AI的图片增加专门的视觉语义安全扫描，警惕间接注入攻击，切勿盲目让AI处理来源不明的图片。

公开资料显示一种名为InkJect的新型视觉提示注入攻击，利用多模态大模型读取图片中隐藏的恶意指令，绕过文本安全防线。攻击者将指令嵌入图片并置于公开仓库，当用户要求模型处理仓库内容时，模型会自动读取并执行指令，如创建管理员账号。该攻击利用安全检测工具与视觉语言模型的能力差，通过白色背景白色文字或倾斜变形文字实现，测试显示多款商用模型均存在脆弱性，凸显多模态AI安全体系的设计盲区。

InkJect是一种针对多模态大模型的间接视觉提示注入攻击。攻击者将恶意指令嵌入图片并托管在公开位置，当用户要求模型处理仓库或素材时，模型会自动拉取图片并执行隐藏指令，如创建后门账号。该攻击利用OCR与视觉语言模型的能力鸿沟，通过白色文字或倾斜变形绕过安全检测。当前主流模型如GPT-5.2和Claude系列均存在脆弱性，攻击可规模化且隐蔽性强，对生产环境构成严重威胁。

DeepKeep揭露InkJect新型多模态攻击，通过LSB隐写、白底白字或文字失真等手段将恶意指令藏于图片中。因大模型文本防御无法覆盖视觉通道，GPT和Claude会直接执行图片内的隐藏指令，引发数据泄露风险。建议企业对输入AI的图片增加专门的视觉语义安全扫描，警惕间接注入攻击，切勿盲目让AI处理来源不明的图片。

公开资料显示一种名为InkJect的新型视觉提示注入攻击，利用多模态大模型读取图片中隐藏的恶意指令，绕过文本安全防线。攻击者将指令嵌入图片并置于公开仓库，当用户要求模型处理仓库内容时，模型会自动读取并执行指令，如创建管理员账号。该攻击利用安全检测工具与视觉语言模型的能力差，通过白色背景白色文字或倾斜变形文字实现，测试显示多款商用模型均存在脆弱性，凸显多模态AI安全体系的设计盲区。

InkJect是一种针对多模态大模型的间接视觉提示注入攻击。攻击者将恶意指令嵌入图片并托管在公开位置，当用户要求模型处理仓库或素材时，模型会自动拉取图片并执行隐藏指令，如创建后门账号。该攻击利用OCR与视觉语言模型的能力鸿沟，通过白色文字或倾斜变形绕过安全检测。当前主流模型如GPT-5.2和Claude系列均存在脆弱性，攻击可规模化且隐蔽性强，对生产环境构成严重威胁。

公开资料显示一种名为InkJect的新型视觉提示注入攻击，利用多模态大模型读取图片中隐藏的恶意指令，绕过文本安全防线。攻击者将指令嵌入图片并置于公开仓库，当用户要求模型处理仓库内容时，模型会自动读取并执行指令，如创建管理员账号。该攻击利用安全检测工具与视觉语言模型的能力差，通过白色背景白色文字或倾斜变形文字实现，测试显示多款商用模型均存在脆弱性，凸显多模态AI安全体系的设计盲区。

InkJect是一种针对多模态大模型的间接视觉提示注入攻击。攻击者将恶意指令嵌入图片并托管在公开位置，当用户要求模型处理仓库或素材时，模型会自动拉取图片并执行隐藏指令，如创建后门账号。该攻击利用OCR与视觉语言模型的能力鸿沟，通过白色文字或倾斜变形绕过安全检测。当前主流模型如GPT-5.2和Claude系列均存在脆弱性，攻击可规模化且隐蔽性强，对生产环境构成严重威胁。

DeepKeep揭露InkJect新型多模态攻击，通过LSB隐写、白底白字或文字失真等手段将恶意指令藏于图片中。因大模型文本防御无法覆盖视觉通道，GPT和Claude会直接执行图片内的隐藏指令，引发数据泄露风险。建议企业对输入AI的图片增加专门的视觉语义安全扫描，警惕间接注入攻击，切勿盲目让AI处理来源不明的图片。

公开资料显示一种名为InkJect的新型视觉提示注入攻击，利用多模态大模型读取图片中隐藏的恶意指令，绕过文本安全防线。攻击者将指令嵌入图片并置于公开仓库，当用户要求模型处理仓库内容时，模型会自动读取并执行指令，如创建管理员账号。该攻击利用安全检测工具与视觉语言模型的能力差，通过白色背景白色文字或倾斜变形文字实现，测试显示多款商用模型均存在脆弱性，凸显多模态AI安全体系的设计盲区。

InkJect是一种针对多模态大模型的间接视觉提示注入攻击。攻击者将恶意指令嵌入图片并托管在公开位置，当用户要求模型处理仓库或素材时，模型会自动拉取图片并执行隐藏指令，如创建后门账号。该攻击利用OCR与视觉语言模型的能力鸿沟，通过白色文字或倾斜变形绕过安全检测。当前主流模型如GPT-5.2和Claude系列均存在脆弱性，攻击可规模化且隐蔽性强，对生产环境构成严重威胁。

DeepKeep揭露InkJect新型多模态攻击，通过LSB隐写、白底白字或文字失真等手段将恶意指令藏于图片中。因大模型文本防御无法覆盖视觉通道，GPT和Claude会直接执行图片内的隐藏指令，引发数据泄露风险。建议企业对输入AI的图片增加专门的视觉语义安全扫描，警惕间接注入攻击，切勿盲目让AI处理来源不明的图片。

文章总结： DeepKeep揭露InkJect新型多模态攻击，通过LSB隐写、白底白字或文字失真等手段将恶意指令藏于图片中。因大模型文本防御无法覆盖视觉通道，G

文章总结： DeepKeep揭露InkJect新型多模态攻击，通过LSB隐写、白底白字或文字失真等手段将恶意指令藏于图片中。因大模型文本防御无法覆盖视觉通道，G

文章总结： InkJect是一种针对多模态大模型的间接视觉提示注入攻击。攻击者将恶意指令嵌入图片并托管在公开位置，当用户要求模型处理仓库或素材时，模型会自动拉取

文章总结： 本文披露了一种名为InkJect的新型视觉提示注入攻击，针对多模态大模型。攻击者将恶意指令隐藏在图片中，利用模型自动拉取资源的工作流，在用户无感知的

文章总结： 本文披露了一种名为InkJect的新型视觉提示注入攻击，针对多模态大模型。攻击者将恶意指令隐藏在图片中，利用模型自动拉取资源的工作流，在用户无感知的

文章总结： 公开资料显示一种名为InkJect的新型视觉提示注入攻击，利用多模态大模型读取图片中隐藏的恶意指令，绕过文本安全防线。攻击者将指令嵌入图片并置于公开

文章总结： 公开资料显示一种名为InkJect的新型视觉提示注入攻击，利用多模态大模型读取图片中隐藏的恶意指令，绕过文本安全防线。攻击者将指令嵌入图片并置于公开