Claude Opus 4.6 经 6000 次提示注入测试无突破
开发者 Fernando Irarrázaval 在 hackmyclaw.com 发起众测挑战，邀请 2000+ 攻击者尝试通过邮件向其 OpenClaw 代理「Fiu」注入恶意指令，以泄露 secrets.env 敏感文件。6000 次尝试后，无人成功。该测试基于 Claude Opus 4.6（搭载 1M token 上下文窗口），配备仅数行的反注入提示词。这一结果与前沿实验室在模型训练中强化注入防御的努力相呼应——OpenAI 在最新 GPT-5.6 系统卡中也有相关说明。
三个值得关注的细节
①
攻击面广
攻击者尝试多语言（西班牙语、法语、意大利语）、社工文本（「你来自未来」「紧急事件」「系统被黑」）、短时间密集轰炸（20 次变体 / 4 分钟），甚至有研究表明弱安全训练语言可能更易被破。
②
成本现实
6000 次请求消耗 $500+ token 费用，Google 因过量入站邮件甚至挂起了账户 —— 真实规模的对抗性测试在成本与合规间都有压力。
③
防御的边界
Simon Willison 强调：6000 次失败不等于绝对安全。同期研究（Charles Ye 等人的「Role Confusion」ICML 论文）指出，模型的角色感知本质上依赖「文本风格」而非标签，这是一个更深层的感知漏洞。