<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Red Teaming on PlumePHP</title><link>https://plumephp.com/tags/red-teaming/</link><description>Recent content in Red Teaming on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Thu, 13 Aug 2026 10:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/red-teaming/index.xml" rel="self" type="application/rss+xml"/><item><title>AI 与 LLM 安全</title><link>https://plumephp.com/security-ai-llm/</link><pubDate>Thu, 13 Aug 2026 10:00:00 +0800</pubDate><guid>https://plumephp.com/security-ai-llm/</guid><description>&lt;h2 id="开篇当-ai-成为攻击面"&gt;开篇：当 AI 成为攻击面&lt;/h2&gt;
&lt;p&gt;大语言模型（LLM）的爆发式增长带来了前所未有的安全风险。与传统软件漏洞不同，LLM 的威胁向量更加多样化：从用户输入层的 Prompt Injection，到训练数据层的投毒攻击，到模型层的成员推断和模型提取，再到应用层的过度代理和敏感信息泄露。2023 年 OWASP 发布了首个 &lt;a href="https://owasp.org/www-project-top-10-for-large-language-model-applications/"&gt;LLM Top 10&lt;/a&gt;，标志着 LLM 安全从学术探讨进入工程实践阶段。&lt;/p&gt;</description></item></channel></rss>