OWASP LLM Top 10 对照

本页按 OWASP Top 10 for LLM Applications 的条目编号,列出每一类风险的名称、编写者的一句话理解,以及本站对应的主题页面,便于查阅与对照。

版本说明

  • 本页对照的是 OWASP 页面标注的 2025 版(编号形如 LLM01:2025)。
  • OWASP 项目页面的版权信息标注为 2026 年,但抓取时可见的最新版本标签为 2025。是否存在更新版本,待核实(2026-11-05 获取)。
  • 入口页 owasp.org 未直接列出条目,条目信息取自 genai.owasp.org 的 LLM Top 10 页面。

对照表

编号
名称
编写者的一句话理解
相关的 Microsoft 能力(页面所述)
本站对应主题
LLM01
Prompt Injection
精心构造的输入使模型偏离预期行为
Prompt Shields(用户提示攻击与文档攻击检测)
Prompt Injection 与防护
LLM02
Sensitive Information Disclosure
私密或机密数据通过模型或周边应用泄露
护栏中的个人身份信息控制(预览)
企业 AI 参考架构;安全基线
LLM03
Supply Chain
模型、组件或数据来源链路上的薄弱点
未在本页核实
安全基线
LLM04
Data and Model Poisoning
预训练、微调或嵌入数据被污染
未在本页核实
分块与向量化操作
LLM05
Improper Output Handling
下游直接使用未经校验的模型输出
未在本页核实
工具滥用防护(间接相关)
LLM06
Excessive Agency
系统权限或自主度过大,可能执行有害动作
护栏的工具调用与工具响应干预点(预览);Task Adherence(预览)
工具滥用防护
LLM07
System Prompt Leakage
隐藏的系统指令被暴露
未在本页核实
Prompt Injection 与防护
LLM08
Vector and Embedding Weaknesses
向量与嵌入在生成、存储或检索中存在风险
未在本页核实
权限感知检索
LLM09
Misinformation
依赖模型输出的应用受虚假或误导内容伤害
有据性评测(Groundedness、Groundedness Pro 预览)
企业 RAG 设计与评估;RAG 评测指标
LLM10
Unbounded Consumption
资源无限制消耗,推高成本或影响可用性
未在本页核实
成本优化要点
“相关的 Microsoft 能力”一列是编写者按各项能力的描述做的归类,不是 OWASP 或微软发布的官方对应关系,也未逐项验证效果。“未在本页核实”表示本页没有找到直接对应的能力,并不代表不存在。

使用方式

  • 做风险盘点时,先按编号逐项判断本应用是否涉及,再把结论对应到本站的主题页面。
  • 每一类风险的缓解措施以 OWASP 官方条目全文为准,本页不替代全文。
  • 对 agent 应用,LLM01、LLM02、LLM06 通常最先需要覆盖,但优先级取决于业务场景,这是编写者的建议。

限制与待核实

  • 本页只核对了条目编号与名称,各条摘要为编写者根据标题与页面摘录的理解,未逐条通读正文。
  • 每条的官方缓解建议、示例与参考资料,待核实。
  • 未对 LLM03、LLM04、LLM05、LLM07、LLM08、LLM10 与 Microsoft 产品能力的对应关系做核实,表中标注为“未在本页核实”。

来源与核对

  • 来源 URL:
  • https://genai.owasp.org/llm-top-10/
  • https://owasp.org/www-project-top-10-for-large-language-model-applications/
  • 核对范围:仅元数据。已核对版本标签与条目编号、名称;条目摘要未逐条通读。
  • 获取日期:2026-11-05。版本是否更新待核实。
上一篇
企业 AI 参考架构
下一篇
工具滥用防护
Loading...
文章列表
分享AI实践与思考
入门
Microsoft Foundry
开发工具
治理与网络
观测与评测
工具与知识
模型与部署
Azure OpenAI
Azure AI Search
性能与基准
索引与分块
概念解释
快速上手
Foundry Tools
RAG 与知识工程
检索质量与评测
数据准备
智能体与工具
评测、观测与安全
企业架构与成本
成本与容量
架构
解决方案场景
文档与服务
知识与分析
样例与学习资源
附录