A közvetett prompt injection esetén a manipulatív utasítások nem a felhasználó bemenetében vannak, hanem olyan tartalomba rejtve, amelyet az MI-rendszer menet közben dolgoz fel, például weboldalakba, e-mailekbe vagy dokumentumokba. Ha egy ügynök ilyen tartalmat olvas, a rejtett parancsokat valódi feladatnak vélheti, és például adatokat adhat ki. A védelem eszközei: a külső tartalom szigorúan adatként kezelése, a jogosultságok korlátozása, a bemenetek átvizsgálása és emberi jóváhagyás megkövetelése a kritikus műveleteknél.
A jailbreaking olyan kísérleteket jelent, amelyekkel ügyesen megfogalmazott bemenetekkel megkerülik egy MI-modell biztonsági szabályait, hogy olyan tartalmat állítson elő vagy olyan műveletet hajtson végre, amelyet el kellene utasítania. A szervezetek számára ez kockázat, mert egy chatbot például bizalmas utasításokat fedhet fel, vagy nem megfelelően reagálhat. A védelem eszközei: egyértelmű rendszerutasítások, a be- és kimenetek átvizsgálása, korlátozott jogosultságok, naplózás és rendszeres biztonsági tesztek (red teaming).
Az LLM-biztonság mindazon intézkedéseket magában foglalja, amelyek a nagy nyelvi modellekre épülő alkalmazásokat védik a visszaélésektől, az adatszivárgástól és a nem kívánt viselkedéstől. Tipikus kockázatok: a prompt injection, a bizalmas utasítások vagy adatok kiszivárogtatása, valamint a túlzott jogosultságokkal rendelkező ügynökök. A védelem több rétegből áll: egyértelmű utasítások, korlátozott jogok, a bemenetek és kimenetek ellenőrzése, MI-tűzfalak, red teaming és rendszeres auditok.
Az OWASP Top 10 for LLM Applications a nagy nyelvi modellekre épülő alkalmazások legfontosabb biztonsági kockázatainak listája, amelyet az OWASP GenAI Security Project ad ki. A jelenlegi, 2026-os kiadás 2026 augusztusában jelent meg (2026. októberi állapot szerint), és a következőket tartalmazza: prompt injection, érzékeny információk kiszivárgása, túlzott ágensképesség (excessive agency), ellátási lánc, adat- és modellmérgezés, korlátlan erőforrás-felhasználás, félretájékoztatás, rejtett kontextus kiszivárgása, vektor- és beágyazási gyengeségek, valamint a kimenetek nem megfelelő kezelése. Ellenőrzőlistaként szolgál a fejlesztéshez és az auditokhoz.
