# 开源提示注入检测器几乎抓不到藏在工具输出里的真实攻击，Regex 检出率 0%，Meta Prompt Guard 2 只有 1%

> 原标题：Can open-source prompt-injection detectors catch realistic AI agent attacks?

- 来源：Hacker News 首页
- 发布时间：2026-09-24T06:37:02.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/58625
- 原文：https://github.com/rudratoshs/buried-injections

## 摘要

GitHub 项目 buried-injections 用 AgentDojo v1 的 629 条真实注入攻击测试 10 个开源提示词注入检测器，攻击被埋在工具输出中时，正则方法检出率为 0%，Meta 的 Prompt Guard 2 检出率为 1%。该仓库提供可复现的基准，代码与数据以 MIT 许可开源。

## 推荐理由

GitHub 项目 buried-injections 用 AgentDojo v1 的 629 条攻击测试 10 个开源检测器，攻击藏在工具输出中时 Regex 检出率为 0%，Meta 的 Prompt Guard 2 为 1%，并公开可复现基准。

## 锐评

Regex 检出率 0% 我信，工具输出里藏注入本来就不是正则能干的活，但 Meta 的 Prompt Guard 2 只抓到 1% 就挺离谱，629 条里中 6 条，跟瞎猜差不多。挂在 agent 外面的那层检测器基本是心理安慰，攻击从搜索结果、邮件正文进来，它根本没在看那个位置。我一直把工具返回的内容当不可信输入，权限按最小给，别指望模型自己分辨。这个仓库把复现步骤公开了，谁都能拿自己那套跑一遍，比看厂商的 benchmark 有用。
