AI 仓库调用漏洞 HalluSquatting 披露，攻击“龙虾”成功率约 80-100%

7 月 10 日消息，科技媒体 Tom's Hardware 昨日（7 月 9 日）发布博文，报道称研究人员发现名为 HalluSquatting 的新型 AI 漏洞，放大模型在调用工具时的“幻觉”，将不存在或错误的代码仓库地址当作真实地址使用。

注：AI 幻觉是 AI 模型生成的不正确或具有误导性的结果。这些错误可能由多种因素造成，包括训练数据不足、模型做出不正确的假设，或用于训练模型的数据存在偏差。

该研究由特拉维夫大学、以色列理工学院和 Intuit 研究人员发布，指出智能体 AI 在遇到陌生项目、仓库或工具名称后，可能自行补全出看似合理但实际错误的地址。

例如新仓库地址为 OriginalOwner/WindowsTelemetryOff，由于模型训练数据未覆盖较新的项目，模型可能生成 SuperHacker/WindowsTelemetryOff、WindowsTelemetryOff/WindowsTelemetryOff，或带拼写误差的近似地址。

研究称，当 Claude 等代码智能体收到“运行 windowstelemetryoff 脚本”之类指令时，模型可能直接幻觉出仓库名，甚至在执行网页搜索后仍访问到恶意版本，并进一步运行其中代码。

一旦恶意代码在用户设备上执行，可能触发反向 shell、数据与密码窃取、软件安装、加密货币挖矿，或继续控制智能体执行后续操作。

量化结果显示，模型对近期代码仓库位置的幻觉率最高可达 85%，对热门智能体技能可达 100%。2025 年发布的样本 GitHub 仓库名称，模型平均幻觉率为 92.4%；2019 年或更早发布的仓库，地址错误率为 0.9%。

在应用层，攻击成功率存在分化：Cursor、Gemini CLI 和 Copilot 的成功率为 20%-35%，OpenClaw 及其变体接近 80%-100%。

参考

Scalable Untargeted Promptware Attacks via Universal and Transferable Adversarial HalluSquatting