Гостев из будущего

@gostev_future · ai · Russian · active

Subscribers 1.6K Subscribers, last 30 days: 1.6K → 1.6K +0 24h
Reach per post (ERR) 84.6%1.4K avg views
Posting 6.8/week last 2 days ago
Reactions per 1K views 17.1 🔥 😁 👍
edited

Поясню чуть детальней, о какой угрозе с персистент памятью идет речь. В отличие от одноразовой prompt injection, отравление памяти — это про персистентность. Это происходит, когда вредоносный контент вставляется в долгосрочную память агента — будь то векторная база данных, лог прошлых разговоров или профиль пользователя. Вместо единичного вредоносного ответа агент находится под влиянием каждый раз, когда вспоминает отравленную память. Moltbot (агенты, использующие Moltbook) имеет персистентную память, что означает: вредоносные инструкции, скрытые в пересланном сообщении, теперь доступны в памяти агента. Традиционные атаки на ИИ требуют, чтобы вредоносная инструкция сработала сразу — в момент получения. Агент с персистентной памятью меняет эту динамику: Фрагментация: Злоумышленник может отправить агенту несколько безобидных на вид сообщений в разное время. Каждое по отдельности не вызывает подозрений и проходит фильтры безопасности. Накопление: Агент сохраняет эти фрагменты в долгосрочной памяти как часть контекста или «знаний». Сборка и активация: Позже, при определённых условиях или по триггеру, фрагменты собираются в единую вредоносную инструкцию и выполняются. На платформе агенты постоянно получают контент от других агентов — посты, комментарии, «навыки». Если агент запоминает информацию из этих взаимодействий, любой участник сети потенциально может «засеять» вредоносные фрагменты в память множества агентов одновременно. Саймон Уиллисон отметил ещё одну проблему: после установки агенты регулярно подтягивают новые инструкции с серверов Moltbook. «Учитывая механизм 'забирай и выполняй инструкции из интернета каждые четыре часа', остаётся надеяться, что владелец moltbook.com никогда не устроит rug pull или его сайт не взломают!» @gostev_future

Views over time

02004006008001 Feb 08:5312 Nov 03:026711 Feb 08:53: 0 views12 Nov 03:02: 671 views
Snapshots we took after posting.
WhenViews
1 Feb 2026, 08:530
12 Nov 2026, 03:02671

Who shared this post

Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)

Nobody yet.