隨著 ChatGPT、生成式 AI 與大型語言模型(LLM)快速普及,LLM 已逐漸應用於客服、企業知識管理、程式開發及各種 AI Agent 應用。然而,LLM 在帶來便利的同時,也產生了不同於傳統 Web 應用程式的新型態資安風險。
本系列將以 OWASP Top 10 for LLM Applications 為主要架構,循序介紹 LLM 應用程式常見的資安風險,內容將以淺顯易懂的方式說明各項風險的基本概念、可能發生的情境、潛在影響,以及與傳統資安問題的差異,並搭配簡單案例協助理解,建立對 LLM Security 的基本認識。
Day 1|為什麼要了解 OWASP Top 10 for LLM Applications? 近幾年,生成式 AI 的發展速度非常快。 從 ChatGPT 開...
Day 2|傳統 Application 與 LLM Application 有什麼不同? 上一篇提到,隨著 LLM 被大量導入各種 Application,新...
Day 3|今天就正式來認識這個系列的主角: OWASP Top 10 for LLM Applications。 OWASP Top 10 for LLM A...
Day 4|前一篇我們簡單認識了 OWASP Top 10 for LLM Applications,也快速看過 2026 版的十大風險。 不過如果有接觸過 O...
Day 5|Prompt Injection 是什麼? 前面介紹完 OWASP Top 10 for LLM Applications,今天正式進入第一個風險:...
Day 6|Prompt Injection 的攻擊場景 上一篇介紹了 Prompt Injection 的基本概念,這篇就不再重複定義,而是直接來看看:Pro...
Day 7|Prompt Injection 怎麼防? 前兩篇介紹了 Prompt Injection 的概念與常見攻擊場景,最後一篇就來看看:面對 Promp...
Day 8|Sensitive Information Disclosure 是什麼? 前面介紹了 Prompt Injection,今天進入 LLM02:Se...
Day 9|LLM 為什麼會洩漏敏感資訊? 上一篇提到,Sensitive Information Disclosure 的核心問題,就是 LLM 把使用者不應...
Day 10|Sensitive Information Disclosure 怎麼防? 前面兩篇介紹了敏感資訊洩漏是什麼,以及為什麼 LLM 可能把不該透露的...