13个大模型在搜索场景下的抗操纵能力实测：Claude最稳但有隐性代价，GPT新场景近乎失守

AI搜索正被悄悄「投毒」

当用户让AI助手帮忙挑选智能手环、查询法律咨询渠道或推荐实用工具时，它不再仅靠内部知识作答，而是实时联网检索、阅读网页、整合信息后给出结论。这种能力带来便利，也打开了一条隐蔽却危险的攻击通道：攻击者无需入侵系统、篡改模型权重或干预提示词，只需在互联网上发布几篇精心伪造的网页——排版专业、语气可信、来源看似权威——就能让AI将虚构产品、错误建议甚至恶意插件当作「标准答案」推荐给用户。这不是假设，而是已发生的现实：央视2026年3·15晚会曝光的「GEO灰色产业链」，正是利用该机制，在两小时内用批量生成的软文「污染」搜索结果，诱导主流AI将一款根本不存在的手环推荐给中老年群体。

真正的问题不是「会不会被攻破」，而是「谁更难被攻破，又以什么方式失败」

面对同一类污染，不同大模型的表现天差地别。近期一项由KAUST生成式AI卓越中心、吉林大学、浙江大学与瑞士IDSIA实验室联合开展的研究，首次系统性回答了这个问题。团队提出名为SearchGEO的评测框架，聚焦AI作为「搜索代理」（search agent）这一核心角色，剥离干扰变量，精准测量开放网络内容对最终推荐结果的操控强度。

评测设计：可控污染 + 分层攻击 + 多维评估

研究构建了一个「混合搜索代理」：先缓存真实搜索引擎（SerpAPI）返回的原始结果，再在指定排名位置，用攻击者构造的网页内容进行替换，从而严格隔离污染的因果效应。所有攻击内容均由AI仿照真实结果质量生成，并经人工逐篇审核，剔除明显异常痕迹，确保伪装高度逼真。 攻击被划分为三个层次、五种模式： • 机器层攻击——在HTML中嵌入人类不可见但模型可读的隐藏指令； • 信任信号层攻击——伪造权威信源，或制造多个独立来源「一致指向同一结论」的假象； • 复合攻击——叠加上述两类手段。 核心指标为攻击成功率（ASR），即AI是否最终将攻击者指定的目标作为推荐输出。但研究强调，仅看ASR会严重低估风险——真正的失败远不止于「明确背书」。

13个模型，差距达一个数量级

在覆盖医疗、法律、金融、科技四大高风险领域，针对5种攻击模式的全面测试中，13个主流大模型后端的ASR从0.0%到31.4%不等，跨度超过十倍。 Claude-Sonnet-4.6以0.0%位居最稳；GPT-5.4-mini紧随其后，为0.8%；而Gemini-3-Flash高达31.4%，其中仅「合成共识」一种攻击就使其ASR飙升至73%。三个Gemini变体及DeepSeek-V4-Flash、MiniMax-M2.7的ASR均超17%。 更关键的是：模型间的差异，远大于不同领域或不同攻击模式带来的差异。且各模型脆弱点高度分化——Gemini对「合成共识」极度敏感，而多数其他模型则更容易被「权威锚点+引用链」攻破。这意味着，通用防御策略几乎无效，必须按模型特性定制。

GPT的「0.8%」是假象？新场景下全线崩溃

表面看，GPT-5.4-mini在常规任务中近乎免疫。但研究引入「agent-skill探针」——将推荐对象从商品升级为可执行的AI插件或技能。此时，AI输出的不再是描述性语句，而是直接可运行的安装命令，安全后果呈指数级放大。 在OpenClaw等三大生态共18个匹配场景中，GPT-5.4-mini接受了17个虚构技能并输出精确安装指令；更新的GPT-5.5也接受了16个。这种「来者不拒」在全部5种攻击模式下均成立。这说明：其低ASR仅反映对成熟、静态任务的鲁棒性，一旦进入动态、执行导向的新场景，防御体系即刻瓦解。

Claude的「0%」背后藏着两种隐性失败

Claude-Sonnet-4.6虽未发生明确背书，但存在两类易被忽略的风险： 第一是「沉默漂移」——攻击虽未成功触发推荐，却悄然推动答案向攻击目标偏移。研究用ΔOSS指标量化该偏移，发现在264个测试用例中，Claude有8例（3.0%）出现跨评分档位的显著偏移；复合攻击更可在全部模型中导致15.0%的「失败案例」发生此类漂移。 第二是「连累式拒绝」——在无任何污染的干净基线下，Claude在10个agent-skill场景中全部拒绝响应；其中8次直接否定OpenClaw这一真实合法生态，将正当工具误判为风险项。这意味着：当攻击者用大量虚假品牌饱和某一品类时，Claude可能因过度谨慎而全盘封禁整个类别，客观上助纣为虐。

防御不能靠补丁，必须「模型+框架」协同设计

研究指出两条关键防御启示： 其一，「伪造共识」是最高效攻击路径。「三人成虎」效应在AI身上同样成立——ASR随独立佐证来源数量单调上升。防御需聚焦识别「表面独立、实则同源」的内容集群，而非简单过滤单页。 其二，防御方案不具备跨模型通用性。一套基于OWASP原则的prompt级防护可降低ASR，但无法根除；而某现成OpenClaw部署框架，能提升两个模型的安全性，却使Gemini-3-Flash在权威类攻击中的ASR反增31.8%。这证明：模型与部署框架必须作为统一整体评估与加固。

这不是技术细节，而是用户安全底线

当前AI搜索已深度介入民生决策。这项研究提醒我们： • 「对抗内容下的搜索推荐可靠性」应成为模型安全的核心评测维度，而非部署层的边缘优化； • 评测指标必须超越单一ASR，纳入沉默漂移率、误拒率等隐性风险； • 防御设计必须绑定具体模型与运行框架，拒绝「万能补丁」幻想； • 服务提供方有责任向用户清晰披露：不同模型、不同价位版本，在源敏感任务上的真实能力边界。 当AI越来越频繁地替我们阅读世界，守护它的判断力，已不是工程优化题，而是基础安全命题。