API GET API GET学习资料 · WorkBuddy 教程库
API GET 官网 去用 WorkBuddy 自定义模型

AI 学习资料 · OWASP 大语言模型应用 Top 10 安全威胁 2025（简体中文版）

项目负责人序言

OWASP Top 10 for LLM Applications & Generative AI 项目（OWASP GenAI Security Project）著；Ken Huang 黄连金 译，Talesh Seeparsan 翻译负责人CC BY-SA 4.0出处与许可 约 4 分钟

本页据《OWASP 大语言模型人工智能应用 Top 10 安全威胁 2025》简体中文版整理，以 CC BY-SA 4.0 发布。API GET 的改动：标题层级整体提升一级（原文从二级标题开始）；“（LLM)”改为“（LLM）”，补齐括号；Talesh Seeparsan 一段补了换行，与上面几位的格式一致；加了一条编者注，说明序言与正文条目名称的译法差异。

OWASP大语言模型应用程序（LLM）十大风险始于2023年，是一项社区驱动的努力，旨在突出并解决 AI 应用特有的安全问题。从那时起，这项技术持续在各个行业和应用领域中传播，与之相关的风险也在不断增加。随着LLM更加深入地嵌入从客户交互到内部运营的方方面面，开发人员和安全专业人士正在发现新的漏洞及应对方法。

2023年版清单在提高认识、为安全使用LLM打基础方面取得了巨大成功，但此后我们又学到了更多。在这份全新的 2025 年版本中，我们与来自全球的更大范围、更具多样性的贡献者团队合作，他们帮助共同塑造了这份清单。整个过程包括头脑风暴、投票，以及来自 LLM 应用安全一线专业人士的实际反馈，无论是通过贡献条目还是通过反馈改进条目。每一位贡献者的意见，都是让这一版尽可能全面、实用的关键。

2025 年十大风险的更新内容

2025 年的风险列表反映了对现有风险的更深入理解，并引入了有关 LLM 在当前实际应用中使用的关键更新。例如，无限制消耗 扩展了之前的“服务拒绝”内容，涵盖了资源管理和意外成本方面的风险，这在大规模 LLM 部署中是一个紧迫问题。

向量与嵌入 条目响应了社区对保护检索增强生成（RAG）和其他基于嵌入方法的指导需求。这些方法现已成为让模型输出有据可依（grounding）的核心做法。

我们还新增了 系统提示泄漏，以应对社区高度关注的真实世界漏洞问题。许多应用程序以为提示词是安全隔离的，但最近的事件表明，开发人员不能想当然地认为提示词中的信息会一直保密。

由于能赋予 LLM 更大自主权的智能体架构用得越来越多，过度代理权限 这一条目也做了扩充。在 LLM 作为智能体或以插件形式工作的场景中，不受约束的权限可能导致意想不到或高风险的操作，这使得这一条目比以往更加重要。

编者注：序言里有几个条目名称与正文标题的译法不同：“过度代理权限”就是 LLM06“过度授权”（Excessive Agency），“无限制消耗”就是 LLM10“无限资源消耗”（Unbounded Consumption），“系统提示泄漏”就是 LLM07“系统提示词泄露”（System Prompt Leakage）。本站保留译文原样，只在这里说明。

展望未来

与技术本身一样，这份清单也是开源社区洞察与经验的产物。它由来自各行业的开发人员、数据科学家和安全专家的贡献共同塑造，他们都致力于构建更安全的 AI 应用程序。我们很自豪能够与您分享这份 2025 年版本，希望它能为您提供有效保护 LLM 的工具和知识。

感谢所有参与完成这份清单的人，以及那些继续使用和改进它的人。我们很高兴能与您共同参与这一工作。

Steve Wilson

项目负责人
OWASP 大语言模型应用程序十大风险列表
LinkedIn: https://www.linkedin.com/in/wilsonsd/

Ads Dawson

技术负责人 & 漏洞条目负责人
OWASP 大语言模型应用程序十大风险列表
LinkedIn: https://www.linkedin.com/in/adamdawson0/

中文翻译作者

Ken Huang 黄连金翻译

LinkedIn: https://www.linkedin.com/in/kenhuang8/

关于本次翻译

鉴于《OWASP大语言模型应用程序十大风险列表》的专业性和重要性，我们特意采用纯人工翻译的方式完成本次翻译工作。上述翻译人员不仅对原文内容具备深厚的技术理解，还拥有娴熟的语言能力，确保翻译质量精准到位。

Talesh Seeparsan

翻译负责人，大语言模型应用程序十大风险列表
LinkedIn: https://www.linkedin.com/in/talesh/

来源与许可

本页内容为《OWASP 大语言模型人工智能应用 Top 10 安全威胁 2025》简体中文版（OWASP Top 10 for LLM Applications & Generative AI 2025），OWASP GenAI Security Project 著，Ken Huang 黄连金 译，Talesh Seeparsan 翻译负责人；原文 https://genai.owasp.org/ （简体中文 PDF：https://genai.owasp.org/download/46125/ ），源文件 https://github.com/OWASP/www-project-top-10-for-large-language-model-applications/tree/99f4395589bdbd120ae961f9cd179e79d7f9b27f/2_0_vulns/translations/zh-CN 。依据 CC BY-SA 4.0（https://creativecommons.org/licenses/by-sa/4.0/）使用；API GET 调整了排版（标题层级、空行），并做了以下文字改动：序言“（LLM)”补齐为“（LLM）”；LLM01 场景 #7 的繁体字“導致”改为“导致”；LLM03“许可风险”一段补一个逗号、“Open AI”改为“OpenAI”；LLM04 标题“LLM04: 2025”改为“LLM04:2025”；LLM09 参考链接“Arvix”改为“arXiv”、“Victor Debia”改为“Victor Dibia”；LLM05 一条参考链接去掉跟踪参数；序言加一条编者注说明 LLM06 等条目在序言与正文中的译名差异。本页同样以 CC BY-SA 4.0 发布。OWASP 及其标志是 OWASP Foundation, Inc. 的商标，本站与 OWASP 无关联，不代表其认可。

本章改动：标题层级整体提升一级（原文从二级标题开始）；“（LLM)”改为“（LLM）”，补齐括号；Talesh Seeparsan 一段补了换行，与上面几位的格式一致；加了一条编者注，说明序言与正文条目名称的译法差异；开头加一行出处与许可说明（CC BY-SA 4.0）；2026-10-27 校对：对照英文原文改顺几处译句（如“巩固模型输出”改为“让模型输出有据可依（grounding）”）；“代理型架构”“作为代理”改为“智能体架构”“作为智能体”，“提示”统一为“提示词”；编者注中 LLM07 的名称随正文改为“系统提示词泄露”

我们根据 OWASP 的 GitHub 仓库（commit 99f4395）中的简体中文 Markdown 源文件，把序言和 10 个风险条目整理成 11 页，整理后的版本以 CC BY-SA 4.0（https://creativecommons.org/licenses/by-sa/4.0/）发布，任何人都可以按该许可转发和改编。改动如下：所有标题整体提升一级，使每页只有一个一级标题；LLM02“防范与缓解策略”下原本与它同级的六个小节降为下级标题；LLM07 两处引用块后补空行，避免后一句被并进引用块；序言中 Talesh Seeparsan 一段补了换行；序言“（LLM)”补齐为“（LLM）”；LLM01 场景 #7 的繁体字“導致”改为“导致”；LLM03“许可风险”一段补一个逗号、“Open AI”改为“OpenAI”；LLM04 标题“LLM04: 2025”改为“LLM04:2025”；LLM09 参考链接“Arvix”改为“arXiv”、“Victor Debia”改为“Victor Dibia”；LLM05 一条参考链接去掉跟踪参数；序言加一条编者注说明 LLM06 等条目在序言与正文中的译名差异；每页开头加一行出处与许可说明。译文其余文字未改，“过度代理权限”（序言）与“过度授权”（LLM06 标题）的不一致按原文保留，只加了编者注。未收录 Supplemental_Content.md 和 PDF 版。2026-10-27 起，本库又对照同一 commit 的英文原文校对了全部 11 页：修正误译和不通顺的句子，按本库术语统一“提示词”“智能体”“大语言模型”等用语，并删去会在页面上显示成“\”的行尾反斜杠；各页的具体改动见“本章改动”。

原文许可文本出处与许可