微软近期就安全工程师曝光 Microsoft Copilot 中多起提示注入（Prompt Injection）相关问题做出回应，强调这些问题不属于可修复的安全漏洞，而更像是当前生成式 AI 的固有局限性。

安全专家 John Russell 曾在 LinkedIn 上披露，他在 Copilot 中发现了 4 种安全问题，包括：

• 直接与间接的提示注入导致系统提示泄露

• 利用 Base64 编码绕过文件上传限制

• 在 Copilot 的隔离 Linux 环境中执行命令等行为

其中最受关注的是上传文件类型限制的绕过：攻击者可以将受限文件编码成纯文本提交，通过编码/解码方式规避检测逻辑，从而突破 Copilot 的保护机制。

微软官方表示，经过内部评估，这些发现未满足“漏洞可服务性（serviceability）”的标准。换句话说，它们没有触及明确的安全边界，比如未授权访问或敏感数据泄露等条件，因此不被归类为需要修复的漏洞。

部分安全专家认为，这些提示注入类问题确实反映了 Copilot 在解析用户输入与指令之间的弱点，属于潜在风险的一种体现；但也有人认为，这类行为更像是目前大型语言模型（LLM）在设计层面无法完全避免的局限性，而不是典型的安全缺陷。

这场争论的核心并非技术细节本身，而是如何定义 AI 系统中的“漏洞”。对于微软而言，只有跨越明确的安全边界、可能导致未经授权访问或数据泄漏的问题才算真正漏洞；而安全研究界则倾向认为提示注入等行为可能带来现实风险，值得关注与修复。

随着生成式 AI 工具在企业和开发场景中的广泛部署，类似的安全争议可能成为常态。业界还需建立统一标准来衡量和应对 AI 风险，以避免不同方对“漏洞”和“限制”的理解差异影响安全治理。