Cisco 研究：DeepSeek R1 越狱攻击成功率 100%，安全缺陷严重

joshrogin · x · 2026-08-20

Cisco 旗下 Robust Intelligence 与宾夕法尼亚大学合作，对 DeepSeek R1 进行安全评估。使用 HarmBench 数据集的 50 个随机提示进行自动化越狱攻击，覆盖网络犯罪、虚假信息、非法活动等六类有害行为。结果显示 DeepSeek R1 的攻击成功率为 100%，未能阻止任何有害提示，与其他领先模型形成鲜明对比。研究认为，DeepSeek 声称的高效训练方法（如强化学习、思维链自评估、蒸馏）可能损害了其安全性。