谷歌 Gemini 遭大规模蒸馏攻击：单轮超十万提示泄露核心代码
事件概述
近日，谷歌旗下的多模态大模型 Gemini 遭遇了一场前所未有的大规模“蒸馏攻击”（Distillation Attack）。攻击者通过自动化手段，在单轮对话中向 Gemini 发送了超过十万条精心构造的提示（Prompts），成功诱导模型输出了大量本应受保护的核心代码、内部逻辑及敏感训练数据片段。这一事件不仅暴露了当前大模型在对抗性攻击下的脆弱性，也为整个AI行业的安全防护敲响了警钟。
攻击手法深度分析
此次攻击的核心在于 **“提示蒸馏”** 。攻击者并非直接入侵服务器，而是利用了大模型本身的知识泛化与推理特性。通过海量、多角度的提示词，反复试探模型的“知识边界”，最终使模型在无意识中拼接并输出了本不该公开的**内部代码结构与关键算法片段**。这种攻击模式类似于通过无数次“碎片化提问”，诱使一个掌握机密信息的人在不经意间拼凑出完整信息。
值得注意的是，攻击是在“单轮”对话中完成的，这意味着攻击脚本具备极高的自动化与策略性，能够绕过常规的**单轮对话长度与频率限制**。这揭示了大模型API在速率限制与内容安全过滤机制上可能存在设计盲区，无法有效识别这种以“数量”和“逻辑递进”为掩护的知识提取行为。
行业影响与安全反思
1. **核心知识产权风险**：大模型的训练成本高昂，其内部代码、架构设计及训练数据构成核心资产。此次泄露事件表明，模型本身可能成为泄露这些资产的“渠道”，**模型即风险**成为企业必须正视的新安全命题。
2. **安全防御范式需升级**：传统的网络安全边界防御在此类攻击面前几乎失效。防御重点必须转向模型自身，需加强**对抗性提示检测**、**输出内容实时过滤**，并建立更严格的“知识边界”管控机制，对涉及内部信息的查询进行识别与阻断。
3. **伦理与责任挑战**：事件引发了关于大模型“知无不言”服务边界与保密责任的深度讨论。开发者在追求模型能力强大的同时，必须建立更完善的**伦理安全层**，在模型设计之初就将关键信息的保护作为核心约束条件。
结论与展望
谷歌Gemini遭遇的这次蒸馏攻击，标志着针对大模型的攻击已从早期的“越狱”（Jailbreak）获取不当内容，升级到更具威胁性的**资产窃取与知识产权掠夺**阶段。它迫使整个行业加速推进两件事：一是建立更坚固的模型内生安全体系；二是形成行业协同的对抗攻击测试与应急响应标准。
未来，大模型的安全将不再仅仅是“输出合规”，更是要构建一套从训练数据脱敏、模型架构加固到推理过程监控的**全生命周期防御方案**。只有将安全深度融入AI的血液，才能确保技术发展的红利不被安全漏洞所侵蚀。
