| 为何难防 | 提示与输入共享上下文；复述、翻译、编码转换都可能带出内容 |
|---|---|
| 检测手段 | 提示中埋 canary 串；对输出做与提示文本的片段比对与相似度阈值 |
| 误报控制 | 正常输出可能引用模板措辞；按片段长度与联合命中判断 |
| 处置动作 | 更新提示、轮换可能暴露的密钥与端点，评估历史输出暴露面 |
检测逻辑示意
检测逻辑示意
for span in sliding_window(output):
if similarity(span, prompt_fragments) > 阈值:
记录疑似泄露片段与相似度
if canary_token in output:
触发高置信告警并转人工复核
# 保存片段证据，避免只存布尔结论配套原则：系统提示不承载敏感凭证，按它可能被看到来设计。