实测 MCP 提示词注入防御：正则拦截率仅 17%，语义分类器达 89%
_AegisLayer_ · reddit · 2026-08-07
作者针对 MCP 客户端处理不可信文本时的提示词注入风险，构建了 218 个测试用例，对比了正则表达式与语义分类器的防御效果。
- 正则基线：使用 51 个模式，攻击召回率仅 16.9%，且在处理探讨安全漏洞的普通文本时误报率飙升。
- 语义分类器：使用 claude-haiku-4-5，攻击召回率达 89.0%，精准率 98.1%。
- 对抗测试：在 29 个手工构造的混淆用例（如编码、间接注入、外文、隐藏文本）中，正则基线拦截率为零，语义分类器则全部捕获。
作者指出，尽管语义分类器表现优异，但每次资源读取都调用 LLM 会带来延迟和成本，因此正则前置过滤+边界内容交由分类器审查是更合理的架构。此外，防御不应仅停留在检测层，还需在工具调用前拦截不可逆操作。
「编程与Agent」频道最新
- DHH 深圳行：Omarchy Meetup 超 400 人报名，小米高管现场演示 — LoganGrasby · 2026-10-16
- shadcn 转发 ShadHub：GitHub Registry 目录站上线，可即时提交收录 — shadcn · 2026-10-16
- Sarvam 联手 Figma:基于 Indus 的 Agent 可经 MCP 直接在 Figma 里做设计 — itsOmSarraf_ · 2026-10-16
- 独立开发者给 Mac VM 应用加 MCP：让 agent 搞坏一次性克隆而非真机 — ScholarBackground836 · 2026-10-16
- ComfyUI 拖拽失效排查：第三方节点包劫持 drop 事件 — Inside_Chocolate_967 · 2026-10-16
- 为什么别人家的AI很强你的很拉：Agent四件套拆解 — yangyi · 2026-10-16