編按:本文綜合整理自 The Register、研究人員 Håkon Måløy 的部落格原文、OWASP LLM Top 10、Microsoft Security Response Center 與 arXiv EchoLeak 論文,並加入 Siami 編輯部觀點與分析。
一名挪威研究人員把一個 144 天前就通報給 Microsoft 的漏洞攤開來給全世界看:在 Microsoft Copilot for Word 中,攻擊者可以把惡意指令藏在一份普通 Word 文件裡,當任何人用 Copilot 編輯或摘要這份文件時,那些指令會自我複製到新生成的檔案中,再跟著檔案在公司內部流傳。
The Register 在 7 月 29 日的報導中指出,這是「主流商用生產力套件中,第一個透過正常文件工作流自我傳播的 AI 蠕蟲(document-borne AI worm)」。Microsoft 在漏洞公開前已做過兩輪緩解,包括一次模型升級,但弱點類別本身仍未關閉。
漏洞怎麼運作:一份被下載的市調報告就足以啟動
研究人員 Håkon Måløy 在部落格中以一個具體情境說明攻擊鏈:
- 公司員工從「看似可信任」的網站下載一份市場分析 Word 檔,準備用 Copilot 協助寫財報。
- 該檔案內藏有白色小字(或隱藏屬性)的惡意指令——這在 Måløy 的概念驗證中是常見手法。
- Copilot 把檔案內容納入上下文後,會照著這些指令竄改生成的數字,並把同樣的惡意指令複製到員工透過 Copilot 產出的新報告中。
- 第二位員工把這份「已感染」的報告加入自己的工作流,迴圈再次啟動,文件越傳越髒。
整個過程中,攻擊者不需要取得受害者 Microsoft 365 tenant 的存取權,也不需要持續留在對話中。只需要把一份惡意文件送進公司內部,蠕蟲就會自己走完剩下的路。
「讓一個 LLM 先讀資料再判斷資料裡有沒有攻擊,本身就已經中了攻擊。」——Håkon Måløy
這也是為什麼 Microsoft 即使做了模型升級仍無法徹底關閉漏洞:問題出在 LLM 架構的根本特性——必須讀入上下文才能產生回應,而讀入的當下,惡意指令就已經在運作了。
為什麼這件事重要:Copilot 不是孤例,是 LLM 工作流的通病
Måløy 把這次發現定位為「跨領域提示注入(cross-domain prompt injection, XPIA)」的一個新子類別——濫用的不是某個 Copilot 漏洞,而是所有現代 LLM 都共享的架構假設:上下文內容是「資料」,不是「指令」。
這個假設在聊天機器人時代大致成立,因為使用者對話的兩端都是人。但在 2026 年的 agentic AI 流程中,LLM 同時讀取:
- 電子郵件(可能被攻擊者寄出)
- 共編文件(如本案)
- 網頁內容(搜尋結果、第三方連結)
- 工具輸出(API 回傳、檔案解析結果)
- 長期記憶(memories)
任何一個來源被污染,攻擊指令就會沿著同一條 LLM 通道流進去。這不是 Copilot 的 bug,這是整個產業正在打造的「AI 工作流」的安全地基。
對企業的衝擊
- 難以追溯源頭:每一次 Copilot 編輯都會把指令複製到新檔案,等到被發現時,已經不知道源頭在哪份文件。
- 可攻擊面巨大:所有共用於公司內、外部文件的 Word、Excel、PowerPoint 都是潛在帶原者。
- 目前的官方建議等於取消產品:Microsoft 給客戶的臨時建議是「把外部文件視為不信任來源」、「對所有 Copilot 生成的內容逐一審閱」——但這等於要求員工做 AI 沒做的工作,等同於把 Copilot 從流程中移除。
數據解讀與質疑:OWASP Top 1 風險為何遲遲不解
這次的發現不是 Copilot 第一次出包。從時間軸來看:
| 時序 | 漏洞 | CVE / CVSS | 揭露管道 |
|---|---|---|---|
| 2025-01 | EchoLeak(零點擊資料外洩) | CVE-2025-32711 / CVSS 9.3 | Aim Labs |
| 2025-07 | Microsoft 釋出間接提示注入防禦策略 | — | MSRC 部落格 |
| 2026-03 | Copilot email/Teams 跨提示注入 | CVE-2026-26133 | 獨立研究員 |
| 2026-05 | Semantic Kernel RCE(提示注入→主機層 RCE) | — | Microsoft 自家研究 |
| 2026-07 | Word 蠕蟲自我複製 | (Måløy 公布,未配 CVE) | Måløy |
OWASP 在 2023 年就把「提示注入(Prompt Injection)」列為 LLM 應用 Top 1 風險,到 2025 年仍未更動。但從這份清單可以看出:
- 每一輪揭露之間的間隔正在縮短——從年度事件變成單月事件。
- 漏洞類別越來越接近「實質破壞」——從資料外洩(EchoLeak)→ 主機 RCE(Semantic Kernel)→ 蠕蟲式擴散(本案)。
- Microsoft 自己也成為受害者——5 月的 Semantic Kernel RCE 是 Microsoft 自家安全研究團隊主動揭露的,這代表這個問題已不是某個產品線的問題,而是 Azure AI 整個平台的問題。
Måløy 在部落格中直言:要求 LLM 偵測自己的輸入是否含攻擊,等於「請一個翻譯員執行來路不明的程式,來判斷程式是否安全」——這個比喻精準點出問題的本質。在 LLM 架構出現根本性改變之前,任何把 LLM 整合進信任工作流的系統,都必須假設「被污染的內容會以某種比例造成失陷」。
目前能做什麼:消極手段與長期方向
Måløy 給企業的短期建議非常悲觀:「目前沒有客戶端的完整補救方案。」他列出三項:
- 把所有外部來源的文件視為不信任來源(treat externally sourced documents as untrusted)。
- 把任何文件送進 Copilot 之前完整人工審閱。
- 把任何 Copilot 生成或編輯過的文件完整人工審閱後再分發。
The Register 的編輯室直接吐槽:「如果你還是要親自把那些東西讀完,那你乾脆跳過 Copilot 自己動腦就好。」
微軟在事件後的官方聲明強調「採用縱深防禦(defense-in-depth)」、「持續強化防護」,但 144 天兩輪修復仍無法關閉弱點的事實,已經說明縱深防禦在這個等級的架構性問題上不夠用。
長期方向上,Måløy 認為關鍵在於設計「目標與意圖獨立於所處理資訊」的系統——但這基本上是 LLM 架構本身需要重新設計,不是任何 patch 能解決的問題。
編按:本文綜合整理自 The Register、Håkon Måløy 原文、OWASP Gen AI Security Project、Microsoft MSRC 部落格與 arXiv:2509.10540 EchoLeak 論文,並加入 Siami 編輯部觀點與分析。Siami 為獨立編輯立場,與上述來源無隸屬關係。
網友熱門留言 (2)