待验证50% 置信事实精确时间
GCG（Greedy Coordinate Gradient）攻击由卡内基梅隆大学团队在2023年提出，通过梯度优化生成能绕过安全限制的文本后缀，且攻击可从开源模型迁移到闭源商业模型
1
来源数
50%
置信度
长期有效
时效性
2026/8/24
首次发现
来源
涉及实体
相关事实
已验证间接提示注入将攻击指令藏匿于模型检索的外部文档、网页或数据库记录中，当RAG系统引入上下文时激活59% 相似待验证RAG架构引入了间接提示注入攻击面：攻击者只需在RAG检索的数据源中植入恶意指令即可操纵模型58% 相似待验证对抗样本（Adversarial Examples）由Goodfellow等人于2014年首次系统描述，经典攻击算法包括FGSM和PGD58% 相似待验证Claude Code发现了ClassLoader隔离可能阻止GC、无界增长的索引指标数据无自动清理等深层资源泄露风险57% 相似待验证Classic GNN variants include GCN (Graph Convolutional Network), GraphSAGE (Sample and Aggregate), and GAT (Graph Attention Network), with their main differences lying in how the aggregation function is designed.57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/796914API
curl https://kongchang.com/api/v1/knowledge/claims/796914MCP
get_claim(id=796914)