Niewidoczne znaki Unicode: tekst, który ukrywa instrukcje dla AI
Znaki Unicode niewidoczne na ekranie może odczytać AI. Co zaobserwował Microsoft w 2026 roku i jak należy postępować.
Na tej stronie
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].
O co chodzi
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].
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 maskąZespoły IT
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 incydentówPrawdziwe przypadki
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
- 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)
- OWASP, „LLM01:2025 Prompt Injection”, 10 kwietnia 2024. https://genai.owasp.org/llmrisk/llm01-prompt-injection/ (dostęp 14 listopada 2026)
- 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)
- arXiv, „Reverse CAPTCHA: Evaluating LLM Susceptibility to Invisible Unicode Instruction Injection”, 26 lutego 2026. https://arxiv.org/abs/2603.00164 (dostęp 14 listopada 2026)
- 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)
- OWASP, „LLM Prompt Injection Prevention Cheat Sheet”. https://cheatsheetseries.owasp.org/cheatsheets/LLM_Prompt_Injection_Prevention_Cheat_Sheet.html (dostęp 14 listopada 2026)
Zacytuj ten artykuł
Brain, „Niewidoczne znaki Unicode: tekst, który ukrywa instrukcje dla AI”, Cyberpedia, 2026. https:/
BibTeX
@misc{brain_cp293_pl_2026,
author = {Brain},
title = {Niewidoczne znaki Unicode: tekst, który ukrywa instrukcje dla AI},
year = {2026},
howpublished = {Cyberpedia},
url = {https://startbrain.io/cyberpedia/pl/articles/niewidoczne-znaki-unicode-ai/},
note = {CC BY 4.0}
}