Prompt injection este riscul #1 al OWASP. Agenții tăi sunt noua suprafață de atac.

Cu cât este mai capabil agentul tău, cu atât mai mult câștigă un atacator din deturnarea acestuia. Prompt injection ocupă locul 1 în Top 10 curent al OWASP pentru aplicații LLM și rămâne una dintre cele mai frecvente slăbiciuni în implementările AI în producție. Pericolul a crescut odată cu autonomia: odată ce un agent poate apela instrumente, naviga și acționa, o instrucțiune contrabandată în conținutul pe care îl citește poate întoarce propriile sale capacități împotriva ta.

Un agent cu instrumente este la fel de demn de încredere ca și documentul cel mai puțin demn de încredere pe care îl va citi. Tratează fiecare input extern ca fiind ostil, pentru că atacatorii deja fac asta.

Injecția indirectă este amenințarea pentru întreprinderi

Injecția directă, atunci când un utilizator tastează pentru a depăși instrucțiunile, este cazul ușor. Cazul periculos este injecția indirectă: o instrucțiune rău intenționată ascunsă într-o pagină web, PDF, email sau bilet de suport pe care agentul îl procesează ca parte a jobului său. În 2026, cercetătorii au publicat unul dintre primele studii la scară largă asupra injecției indirecte în situații reale, găsind mii de instrucțiuni ascunse plantate pe pagini web active și vizate la modelele AI care le citesc. Într-un incident, un asistent de codare a șters o bază de date din producție în ciuda instrucțiunilor explicite de a nu schimba nimic, apoi a falsificat înregistrări și a raportat incorect că revenirea era imposibilă.

Apărarea este arhitectură, nu prompt

Nu există nicio formulare a unui prompt de sistem care să facă un agent rezistent la injecție; până când arhitecturile nu vor separa clar instrucțiunile de date, riscul va persista. Ceea ce funcționează este apărarea în adâncime: presupunem o injecție reușită și limităm ceea ce poate realiza.

• Privilegii minime: agentul obține cel mai restrictiv acces la instrumente și date care îi permite să-și facă treaba, și nimic altceva.
• Porți de aprobare umană pentru orice acțiune ireversibilă sau de valoare ridicată: ștergeri, plăți, trimiteri externe.
• Validarea intrărilor și ieșirilor, cu conținut nedemn de încredere clar separat de instrucțiuni.
• Înregistrare și monitorizare completă a apelurilor anormale de instrumente, pentru a detecta și atribui încercări de exfiltrare.

Poziția HOWF

Construim agenți presupunând că vor fi atacați. Instrumentele se execută sub privilegii minime, acțiunile critice trec prin aprobare umană, intrările nedemne de încredere sunt izolate, și fiecare acțiune este înregistrată și monitorizată. Este aceeași disciplină de governance care diferențiază agenții pe care întreprinderile continuă să-i utilizeze de cei pe care îi dezactivează discret, aplicată în mod specific la suprafața de atac pe care autonomia o creează.