阿里云 oss做网站吉林省住房建设保障厅网站
将人工智能（AI）智能体与个人电子邮箱关联的用户，正面临一种完全无法察觉的数据窃取风险 —— 黑客可借助 OpenAI 的基础设施，在企业系统不留任何痕迹的情况下，盗取用户邮件中的敏感信息。这一被命名为 “影子泄露（ShadowLeak）” 的攻击手段，由网络安全公司 Radware 的研究人员于 2025 年春季首次发现，其隐蔽性与破坏力引发行业警惕。
01 “影子泄露”：看不见的邮件盗窃术
当用户让 ChatGPT 处理邮件（如总结未读消息）时，整个操作并非在用户本地设备完成 ——AI 智能体运行于 OpenAI 的云端服务器，通过 API 接口获取用户邮件数据，处理后再将结果反馈给用户。Radware 研究人员指出，这种 “云端处理模式” 存在关键漏洞：用户完全无法监控 “发送请求” 到 “接收反馈” 之间的操作过程，而这正是 “影子泄露” 攻击的核心突破口。
与传统的数据泄露攻击不同，“影子泄露” 无需在用户网络中留下可疑流量痕迹，其攻击流程可概括为三步：
- 伪装邮件投递
攻击者向目标发送一封外观正常的邮件，在正文中以隐蔽形式嵌入 HTML 代码 —— 例如用极小字号显示，或采用 “白字白底” 的视觉隐藏方式（注：此类文本隐藏手法并非首次出现，但结合 AI 场景后破坏力显著提升）。
- AI 触发恶意指令
当用户要求 ChatGPT 总结邮件时，云端 AI 会扫描所有邮件内容，包括隐藏的恶意代码。研究测试显示，ChatGPT 对基础恶意指令的 “响应率” 约为 50%；若攻击者在代码中加入 “紧急性描述”（如伪装成 “HR 合规核查”“紧急办公通知”），指令触发成功率会 “大幅提升”。
- 隐秘窃取数据
恶意代码会指令 AI 将用户邮件内容（或其他已授权 ChatGPT 访问的信息）发送至攻击者控制的服务器。用户最终会收到正常的邮件总结结果，但完全无法察觉数据已被窃取 —— 因为整个窃取过程发生在 OpenAI 云端，未触碰用户本地网络。
02 漏洞应对：OpenAI 已修复，但长期防护仍存挑战
Radware 于 2025 年 6 月将 “影子泄露” 漏洞上报给 OpenAI，同年 8 月研究人员发现该攻击手段已失效，9 月通过漏洞反馈平台 Bugcrowd 确认 OpenAI 已完成修复。但 OpenAI 未公开修复的具体技术细节，这引发行业对 “类似漏洞是否仍存在” 的担忧。
OpenAI 发言人在回应中强调：“安全开发模型对我们至关重要，我们采取多种措施降低恶意使用风险，并持续优化防护机制，提升模型抵御‘提示注入’等攻击的能力。研究人员的对抗性测试有助于我们改进系统，我们对此表示欢迎。”
长期防护需 “多层策略”
Radware 威胁情报总监帕斯卡・吉伦斯指出，单一防护手段无法应对 AI 时代的安全风险，长期解决方案需包含以下核心层面：
- 指令对齐校验
在 AI 智能体与新指令之间增加 “意图校验层”—— 例如当用户要求 “总结邮件” 时，若出现 “访问 ERP 系统”“发送客户数据至外部链接” 等偏离原始意图的指令，系统需暂停操作并向用户确认。“但目前这类校验机制尚未普及，当前 AI 更倾向于优先响应‘紧急指令’。”
- 强化输入清洗与日志记录
对 AI 接收的所有数据（尤其是邮件、文档等外部内容）进行深度清洗，过滤隐藏代码；同时建立 “可追溯的操作日志”，便于事后排查异常行为 —— 但需平衡 “日志完整性” 与 “用户数据隐私” 的关系。
- AI 对抗 AI：用大语言模型（LLM）检测恶意意图
传统的正则表达式、状态机等防护工具已无法应对自然语言编写的恶意指令（因其变体数量无限），需借助 LLM 技术扫描邮件、文档中的隐藏风险，“用 AI 工具防御 AI 威胁，将成为未来安全防护的重要方向”。
企业与个人的临时防护建议
对于企业用户，吉伦斯建议通过自有安全工具对 incoming 邮件进行深度检测，但需注意 “传统检测工具难以识别 AI 靶向的恶意代码”，需尽快升级具备 “自然语言风险分析” 能力的防护系统；个人用户则应谨慎授权 AI 访问敏感数据，避免让 ChatGPT 等工具获取邮箱、办公软件的 “全权限访问”。
03 延伸思考：AI 智能体安全成新战场
“影子泄露” 漏洞的本质，是 AI 与第三方应用集成时的 “权限边界模糊” 问题 — 随着越来越多用户将 AI 作为 “办公助手”，授权其访问邮件、日程、文档等敏感数据，类似的安全风险可能持续涌现。正如吉伦斯所言：“AI 正在成为未来办公的核心工具，但它同时也为黑客提供了新的攻击路径。如何在享受 AI 便利的同时守住安全底线，将是企业与个人必须面对的长期课题。”