76% 的针对中国开源大语言模型的攻击成功——广泛部署模型的安全差距

中国顶级开源大语言模型的结构化红队审计发现，攻击复现率为76%，且未出现一致的拒绝行为。这些模型已嵌入全球生产流程——安全差距并非理论性问题。

简单来说： 安全研究人员对中国主要开源AI模型进行了已知攻击测试。四分之三的攻击奏效，但这些模型无一能可靠拒绝有害请求。这些模型已嵌入全球各地的产品中。

事实

据Pandaily报道，对中国领先开源LLM进行的结构化安全审计发现，已知攻击向量的漏洞复现率为76%，且在测试场景中未记录到一致的拒绝行为。与封闭API模型不同，开放权重模型直接暴露其权重——这使得绕过安全对齐更容易，因为攻击者可直接探查模型内部，而非仅限API表面。

我们的看法

76%的攻击成功率在开放权重模型中虽高但并不意外——在推理时有效的对齐技术在权重可用的情况下更易被规避。而“零拒绝”结果则更令人担忧：这表明这些特定模型的安全训练要么缺失，要么效果微乎其微。实际风险重大：中国的开源模型（如Qwen、DeepSeek、Kimi系列）已在全球第三方应用中集成。使用未对齐基础模型构建产品的开发者将继承这一对齐缺口。随着欧盟AI法案合规要求及企业安全审查开始要求嵌入式模型的安全文档，此次审计为买家提供了一个可向供应商提出的具体问题。

关注点

企业采购团队是否会开始要求开放权重模型的安全审计文档作为部署条件，与现有的SOC 2/渗透测试要求并行。