---
id: CP-293
slug: niewidoczne-znaki-unicode-ai
lang: pl
title: "Niewidoczne znaki Unicode: tekst, który ukrywa instrukcje dla AI"
description: Znaki Unicode niewidoczne na ekranie może odczytać AI. Co zaobserwował Microsoft w 2026 roku i jak należy postępować.
canonical_url: https://startbrain.io/cyberpedia/pl/articles/niewidoczne-znaki-unicode-ai/
markdown_url: https://startbrain.io/cyberpedia/pl/articles/niewidoczne-znaki-unicode-ai.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: "Brain, „Niewidoczne znaki Unicode: tekst, który ukrywa instrukcje dla AI”, Cyberpedia, 2026. https://startbrain.io/cyberpedia/pl/articles/niewidoczne-znaki-unicode-ai/ (CC BY 4.0)"
wing: 4
theme: prompt_correctly
reflex: air-012
schema: G1
updated: "2026-11-14"
translations:
  pl: https://startbrain.io/cyberpedia/pl/articles/niewidoczne-znaki-unicode-ai/
  fr: https://startbrain.io/cyberpedia/fr/articles/caracteres-unicode-invisibles-ia/
  en: https://startbrain.io/cyberpedia/en/articles/invisible-unicode-characters-ai/
  de: https://startbrain.io/cyberpedia/de/articles/unsichtbare-unicode-zeichen-ki/
  es: https://startbrain.io/cyberpedia/es/articles/caracteres-unicode-invisibles-ia/
  it: https://startbrain.io/cyberpedia/it/articles/caratteri-unicode-invisibili-ia/
  nl: https://startbrain.io/cyberpedia/nl/articles/onzichtbare-unicode-tekens-ai/
  pt: https://startbrain.io/cyberpedia/pt/articles/carateres-unicode-invisiveis-ia/
  ja: https://startbrain.io/cyberpedia/ja/articles/invisible-unicode-characters-ai/
sources:
  - "n": 1
    title: ASCII smuggling crosses over from AI prompt injection to phishing evasion
    publisher: Microsoft
    url: https://www.microsoft.com/en-us/security/blog/2026/09/03/ascii-smuggling-crosses-over-from-ai-prompt-injection-to-phishing-evasion/
    published: "2026-09-03"
    accessed: "2026-11-14"
  - "n": 2
    title: LLM01:2025 Prompt Injection
    publisher: OWASP
    url: https://genai.owasp.org/llmrisk/llm01-prompt-injection/
    published: "2024-04-10"
    accessed: "2026-11-14"
  - "n": 3
    title: "ChatGPT and large language models: what's the risk?"
    publisher: NCSC (Royaume-Uni)
    url: https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk
    published: "2023-03-14"
    accessed: "2026-11-14"
  - "n": 4
    title: "Reverse CAPTCHA: Evaluating LLM Susceptibility to Invisible Unicode Instruction Injection"
    publisher: arXiv
    url: https://arxiv.org/abs/2603.00164
    published: "2026-02-26"
    accessed: "2026-11-14"
  - "n": 5
    title: "Bypassing LLM Guardrails: An Empirical Analysis of Evasion Attacks against Prompt Injection and Jailbreak Detection Systems"
    publisher: arXiv
    url: https://arxiv.org/abs/2504.11168
    published: "2025-04-15"
    accessed: "2026-11-14"
  - "n": 6
    title: LLM Prompt Injection Prevention Cheat Sheet
    publisher: OWASP
    url: https://cheatsheetseries.owasp.org/cheatsheets/LLM_Prompt_Injection_Prevention_Cheat_Sheet.html
    accessed: "2026-11-14"
---

# Niewidoczne znaki Unicode: tekst, który ukrywa instrukcje dla AI

Tekst może zawierać znaki, których ekran nie wyświetla. Człowiek nie widzi niczego niezwykłego, ale asystent AI, który otrzymuje surowy tekst, może je odczytać, zdekodować jako tekst i zostać skłoniony do wykonywania instrukcji narzuconych przez atakującego [1].

Microsoft opisał 3 września 2026 roku kampanię phishingową, która wstawiała takie znaki w finansowe słowa-przynęty, aby ominąć filtry poczty [1]. To zastosowanie przejmuje technikę znaną w badaniach nad AI pod nazwą ASCII smuggling [1].

## W 30 sekund

- Gdzie to się zdarza: na stronie internetowej, w dokumencie, w e-mailu lub w innej treści, którą otrzymuje asystent AI [1].
- Czego chce atakujący: ukryć instrukcje przed człowiekiem, a pozostawić je czytelnymi dla modelu, co może prowadzić do ujawnienia danych lub do nieautoryzowanych działań, zależnie od uprawnień i zabezpieczeń asystenta [1].
- Odruch: traktować jako niewiarygodną zewnętrzną treść powierzaną AI [2] i nie wprowadzać informacji wrażliwych do zapytania kierowanego do publicznego LLM, co zaleca NCSC (Wielka Brytania) [3].

## Pytania wprost

### Czym jest niewidoczny znak Unicode?

To znak, który jest częścią tekstu, ale którego nie wyświetlają zwykłe czcionki i interfejsy. Microsoft wskazuje przede wszystkim blok Unicode Tags, od U+E0000 do U+E007F, który zawiera widmową kopię drukowalnych znaków ASCII. Służył do oznaczania języka i dziś jest w dużej mierze wycofywany z użycia [1]. Ciąg znaków może więc nieść komunikat nieczytelny dla człowieka, ale przetwarzany przez każdy model językowy lub oprogramowanie, które otrzymuje ten tekst [1]. Badanie z 2026 roku sprawdza dwa sposoby ukrywania komunikatu: znaki o zerowej szerokości (kodowanie binarne) oraz Unicode Tags [4].

### Czy AI naprawdę wykonuje te ukryte instrukcje?

Badacze to zmierzyli. W artykule przesłanym 26 lutego 2026 roku Marcus Graves przedstawia zestaw testowy oceniający pięć modeli od dwóch dostawców, na łącznie 8 308 odpowiedziach [4]. Stwierdza, że korzystanie z narzędzi przez model znacznie zwiększa zgodność z ukrytymi instrukcjami, a wyraźne polecenia dekodowania zwiększają ją do 95 punktów procentowych dla danego modelu i danego kodowania [4]. Autor mówi o słabo zbadanej powierzchni ataku [4]. OWASP przypomina, że dane wejściowe mogą wpływać na model, nawet jeśli są niedostrzegalne dla ludzi, o ile model odczytuje tę treść [2].

### Czy filtr chroniący przed wstrzyknięciem je zatrzymuje?

Nie zawsze. Badacze przetestowali sześć systemów ochrony, w tym Azure Prompt Shield firmy Microsoft i Prompt Guard firmy Meta. Wykazują, że metody wstrzykiwania znaków i adversarialnego uczenia maszynowego mogą uniknąć wykrycia, a w niektórych przypadkach skuteczność ominięcia sięga 100 % [5]. OWASP zaznacza, że filtrowanie danych wejściowych nie jest granicą bezpieczeństwa [6].

### Czy zaobserwowano ataki?

Microsoft zaobserwował kampanię phishingową o dużym natężeniu, która wykorzystywała te znaki. W zbadanych wiadomościach nie ukrywała instrukcji dla AI: wstawiała je w słowa, aby obejść filtry [1]. Ten przypadek jest opisany dokładniej poniżej.

### Jak należy postępować?

- Traktować dokument, stronę internetową lub e-mail nieznanego pochodzenia jako niewiarygodne, zanim zostaną powierzone asystentowi. OWASP opisuje wstrzyknięcia pośrednie, które przechodzą przez strony internetowe lub pliki [2], i zaleca wyraźne oddzielanie oraz oznaczanie treści niewiarygodnej [2].
- Nie wprowadzać informacji wrażliwych do zapytania kierowanego do publicznego LLM, jak zaleca NCSC (Wielka Brytania) [3].
- Pozwolić działać zabezpieczeniom firmy. Microsoft zaleca usuwanie lub normalizowanie znaków tag i innych niewidocznych znaków przed analizą wiadomości oraz przed jej wczytaniem przez AI [1]. OWASP zaleca kierowanie do przeglądu nieoczekiwanych znaków o zerowej szerokości lub znaków tag [6].
- Poważnie traktować nieoczekiwaną odpowiedź asystenta. OWASP radzi monitorować dane wyjściowe modelu, aby wychwycić oznaki udanego wstrzyknięcia [6].
- Nie pozwalać, aby asystent samodzielnie przeprowadzał wrażliwą operację: OWASP zaleca weryfikację przez człowieka w przypadku operacji uprzywilejowanych [2].

## W skórze atakującego

Microsoft opisuje dwa zastosowania tych samych znaków. Pierwsze jest wymierzone w asystenta: atakujący ukrywa instrukcje w niewidocznych znakach tag osadzonych na stronie internetowej, w dokumencie, w e-mailu lub w innej treści. Człowiek nie widzi niczego niezwykłego, podczas gdy asystent, który odczytuje surowy tekst, je dekoduje [1]. Drugie jest wymierzone w filtr: znaki przecinają słowo, którego szuka filtr, i ten przestaje je rozpoznawać [1].

OWASP opisuje scenariusz pierwszego rodzaju. Użytkownik prosi LLM o streszczenie strony internetowej, która zawiera ukryte instrukcje. Powodują one, że asystent wstawia obraz powiązany z adresem, co prowadzi do eksfiltracji prywatnej rozmowy [2].

OWASP przytacza też badanie (Zhang i in., USENIX Security 2026) obejmujące 196 682 CV z platformy rekrutacyjnej: ponad 90 % ukrytych promptów nie zawierało żadnej wyraźnej instrukcji [6].

## Co widać na ekranie

Nic. Zwykłe czcionki i interfejsy nie wyświetlają większości tych znaków [1]. W kampanii opisanej przez Microsoft słowo-przynęta, takie jak funding, wyglądało dla odbiorcy normalnie, podczas gdy w jego środku mógł znajdować się niewidoczny znak [1].

Nie wszystkie te znaki są podejrzane. Flagi Anglii, Szkocji i Walii są kodowane za pomocą znaków tag [1].

Jedyną widoczną wskazówką jest wtedy zachowanie asystenta: OWASP definiuje wstrzyknięcie promptu jako dane wejściowe, które w niezamierzony sposób zmieniają zachowanie lub wynik modelu [2].

## Pod maską

Znaki tag są niewidoczne dla ludzi, ale istnieją na poziomie przetwarzania tekstu [1]. Łańcuchy wczytywania danych przekazują zazwyczaj modelowi tekst wyodrębniony z dokumentu i pomijają jego wygląd: tekst, którego czytelnik nie widzi, trafia więc do modelu [6].

W przypadku klasyfikatorów poczty Microsoft wyjaśnia, że zwykłe słowo jest często dzielone na tokeny (tokens) lub fragmenty słów. Niewidoczny znak w środku może rozbić tę znajomą jednostkę albo zostać usunięty, jeśli wcześniej przebiegnie normalizacja [1].

OWASP wskazuje, że normalizacja NFKC nie usuwa znaków o zerowej szerokości. Zaznacza, że znaki tag mogą nieść ukryte instrukcje, które modele odczytują i wykonują. Jeśli analizowana jest oczyszczona kopia, a przekazywany jest oryginał, ukryty tekst i tak trafia do modelu [6].

Microsoft ujmuje zasadę obrony tak: normalizować przed porównaniem [1]. Microsoft Defender for Office 365 oferuje ochronę przed wstrzyknięciem promptu, która obejmuje przypadki, gdy niewidoczne znaki ukrywają instrukcje przed użytkownikami, a jednocześnie wystawiają je systemom AI. Zakres ochrony zależy od licencji, konfiguracji i telemetrii [1]. OWASP zauważa, że nie wiadomo, czy istnieje niezawodna metoda zapobiegania wstrzyknięciu promptu [2].

## Analizy incydentów

### Kampania phishingowa ze znakami tag, od lutego do maja 2026 roku

Microsoft podaje, że wykrycia jego sygnatury ASCII smuggling wyraźnie wzrosły od 9 lutego 2026 roku [1]. Dzień wcześniej sygnatura uruchamiała się przy około 21 000 wiadomości; dzień później przy ponad 1,3 miliona [1]. Większość e-maili była powiązana z grupą około 150 domen nadawców o tematyce finansowej [1]. Przynęty przypominały oferty pożyczek dla firm, linii kredytowych i zaliczek gotówkowych [1].

Microsoft opisuje ścisły rytm: duża aktywność w dni robocze, niemal cisza w weekendy [1]. Faza o dużym natężeniu trwała około trzech miesięcy i wyraźnie spadła po 15 maja 2026 roku [1]. Te daty wyznaczają granice użycia tej techniki w danych Microsoftu, a nie całej kampanii, która zaczęła się wcześniej bez niej i trwała dalej bez niej [1].

W próbce zgłoszonych wiadomości Microsoft nie znalazł żadnej ukrytej instrukcji przeznaczonej dla asystenta. Pojedynczy niewidoczny znak tag był wsunięty do wnętrza słów-przynęt, aby wyszukiwanie dokładnego ciągu znaków zawodziło [1]. Wiadomości przechodziły przez legalną platformę e-mailingową, ActiveCampaign [1].

Według Microsoftu ponad 99 % wiadomości zostało wychwyconych przez warstwy ochrony, które nie zależały od bezpośredniego wykrywania znaków tag, takie jak reputacja nadawcy, adresu IP, linków i domen, klasyfikacja przez uczenie maszynowe lub kontrole uwierzytelniania [1]. Microsoft wyciąga z tego wniosek, że techniki wywodzące się z badań nad bezpieczeństwem AI mogą szybko przechodzić do bardziej klasycznych ataków, takich jak phishing [1].

## Źródła

1. Microsoft, „ASCII smuggling crosses over from AI prompt injection to phishing evasion”, 3 września 2026. https://www.microsoft.com/en-us/security/blog/2026/09/03/ascii-smuggling-crosses-over-from-ai-prompt-injection-to-phishing-evasion/ (dostęp 14 listopada 2026)
2. OWASP, „LLM01:2025 Prompt Injection”, 10 kwietnia 2024. https://genai.owasp.org/llmrisk/llm01-prompt-injection/ (dostęp 14 listopada 2026)
3. NCSC (Royaume-Uni), „ChatGPT and large language models: what's the risk?”, 14 marca 2023. https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk (dostęp 14 listopada 2026)
4. arXiv, „Reverse CAPTCHA: Evaluating LLM Susceptibility to Invisible Unicode Instruction Injection”, 26 lutego 2026. https://arxiv.org/abs/2603.00164 (dostęp 14 listopada 2026)
5. arXiv, „Bypassing LLM Guardrails: An Empirical Analysis of Evasion Attacks against Prompt Injection and Jailbreak Detection Systems”, 15 kwietnia 2025. https://arxiv.org/abs/2504.11168 (dostęp 14 listopada 2026)
6. OWASP, „LLM Prompt Injection Prevention Cheat Sheet”. https://cheatsheetseries.owasp.org/cheatsheets/LLM_Prompt_Injection_Prevention_Cheat_Sheet.html (dostęp 14 listopada 2026)

---

Źródło oryginalne: Cyberpedia, publiczna encyklopedia cyberbezpieczeństwa i AI wydawana przez Brain. Wersja kanoniczna: https://startbrain.io/cyberpedia/pl/articles/niewidoczne-znaki-unicode-ai/
Możesz swobodnie wykorzystywać ten tekst na licencji CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), pod warunkiem podania „Brain, Cyberpedia” wraz z odnośnikiem do powyższego adresu.
