Grokの暗号化プロンプトインジェクション、6月報告も未修正

暗号文で入力検査を通るGrokへのプロンプトインジェクション

間接プロンプトインジェクションとは、ウェブページに仕込んだ指示をAIに実行させる攻撃です。ページを要約させられたAIが、書かれた指示に従って有害な動作をしてしまいます。

The Registerは、間接プロンプトインジェクション自体はよく知られたものだと伝えています。最先端のモデルは、入力を検査して危険な指示を拒否するガードレール(入力フィルタ)で以前より対処できるようになりましたが、完全には防げていないとのこと。

Adversa AIは、入力フィルタの検査をすり抜ける新しい手口を見つけました。攻撃を仕掛ける人物は暗号化した悪意ある指示を、暗号鍵と一緒にウェブページへ置きます。流れは次の4段階です。

段階 発生すること
1 攻撃を仕掛ける人物がウェブページに暗号文と鍵を並べて置く
2 入力フィルタは暗号文を解読できず、そのままモデルへ通す
3 モデルが、コードを実行する環境で鍵を使って復号する
4 復号された指示を、モデルが自分の出力として信用して実行する

入力フィルタは暗号文を解読できないまま通し、モデルが復号して指示を実行します。 検査する側とモデルで、暗号文を解読できるかどうかが異なるためです。

入力フィルタはなぜ暗号文を通すのか

鍵が同じページにあっても、入力フィルタは暗号文を解読できません。暗号文はそのままモデルへ渡ります。そのため、モデルが鍵で復号した指示は他の間接プロンプトインジェクションと同じように実行されます。

暗号を使った回避策には以前から、base64のような符号化を使うものがありました。ただ、これらは弱く元に戻せる方式のため、モデルが学習データだけで解読できるとAdversa AI主任研究者のRony Utevsky氏は話しています。強い暗号は学習データだけでは解読できないので、復号にはコードを実行する環境(ランタイム)を通します。

The Registerは、ランタイムでの復号を信頼の洗浄(trust laundering)の仕組みと表現しています。ランタイムで復号した悪意ある指示は、モデルの出力とみなされるためです。モデルは自分の出力を信用するので、復号した指示もそのまま実行します。

"xAI's Grok web chat agent is currently vulnerable to a novel form of prompt injection, according to security researchers with Adversa AI."/"That describes a well-known attack known as indirect prompt injection. Frontier AI models have become better at dealing with such attempts through existing guardrails, though the issue is far from resolved."/"Adversa's approach comes with a twist: It relies on encrypted malicious instructions, which attackers place on a web page alongside an encryption key. The model guardrail scanner – an input filter – can't read the encrypted text despite the presence of the key. The scanner therefore passes it on to the model, which can use the key to decrypt the instructions."/"Other attacks on AI models have relied on cipher-based evasion, such as base64 encoding. But because these are weak and reversible cipher mechanisms, models can decode them natively from their own training data, Utevsky said."/"That doesn't work for strong encryption, so decryption must be done through the code execution runtime. The runtime thus becomes a mechanism for trust laundering – the model trusts its own output, namely the malicious instructions that it decrypted."— The Register の報道より
公式情報を見る →

実証で外部へ送信された情報は何か

Adversa AIの実証では、Grok.comでの被害者の会話履歴が外部へ持ち出されました。つまり、送信されたのはユーザーの名前・おおまかな所在地・契約プランと、会話で打ち込んだプロンプトの全部です。これらはURLにパラメータとして付け足して送信されました。

仕事の相談をGrokに打ち込んでいた場合、その文面も送信の対象に含まれます。生成AIの情報漏えいのなかでも、会話の中身がそのまま流出する例です。 AIコーディングツールのCursorでも、承認したコマンドから任意のコードを実行できる脆弱性が見つかりました。

"In a proof-of-concept demo, Adversa shows how the technique can be used to exfiltrate the victim's chat history with Grok.com. The attack transmits the user’s name, coarse location, subscription tier, and the full set of the user’s prompts in the conversation by appending them to a URL as parameters."— The Register の報道より
公式情報を見る →

6月3日に報告された手口が8月19日時点でも未修正

6月3日に報告された手口は、8月19日時点でもGrok.comで成立していたと伝えられました。以下は、2026年8月20日掲載のThe Registerの報道に基づく経過です。8月19日より後の状況は、この報道には含まれていません。

xAIは受領を認めたが修正時期は明らかにしていない

Utevsky氏は、2026年6月3日にxAIへ通知したとしています。経路は直接の連絡と、HackerOne(ハッカーワン)上のバグ報奨金プログラム(脆弱性の報告に報奨金を出す制度)の2つです。ところが、xAIは報告の受領を認めたものの、修正の時期は明らかにしませんでした。

その後、8月4日と8月10日にも追加の働きかけがあったと、Adversa AI側は伝えています。8月19日時点で、この手法はGrok.comでまだ成立していたとのこと。また、2026年にxAIを買収したSpaceXは、The Registerのコメントの求めに回答しませんでした。

"xAI, according to Utevsky, was informed about the attack on June 3, 2026, directly and through its HackerOne bug bounty program. We're told xAI acknowledged the report but did not provide a mitigation timeline. Additional attempts to raise the issue are said to have occurred on August 4 and August 10. As of August 19, we're told, the technique still worked on Grok.com."/"SpaceX, which acquired xAI earlier this year, did not respond to a request for comment."— The Register の報道より
公式情報を見る →

外部へ通信できないGeminiでは同じ手口が成立しない

Googleの公開チャット画面(gemini.google.com)では、Grokと同じ筋書きは成立しないとUtevsky氏は話しています。 GeminiではPythonから外部サイトへアクセスできないためです。暗号化した指示を使っても、有害なプロンプトや回答をガードレールに拒否されずに通せる程度とのこと。

ただし、Adversa AIがGeminiで試した際には、通常なら安全フィルタが拒否する内容をモデルに出力させられました。Googleには攻撃を通知しなかったと、Utevsky氏は話しています。理由は、jailbreak(ガードレールを回避して有害な内容を出させる行為)をGoogleが脆弱性開示プログラムの対象外とみなしているためです。

Geminiに対する攻撃の成功率は、8月までに大きく低下しました。フィルタの更新かモデルのバージョン変更、またはその両方が理由かもしれないと同氏はみています。

"Other models may be vulnerable to varying degrees. With Google's Gemini public chat interface (gemini.google.com), Utevsky told The Register, the Grok scenario doesn't work because Gemini doesn't provide Python with access to external websites."/"So it's useful only to sneak bad questions and answers past guardrails,"/"When Adversa tested cryptographic context injection on Gemini, they were able to get the model to produce content that normally would be blocked by safety filters"/"Google was not informed of the attack, according to Utevsky, because it considers jailbreaks – bypassing guardrails to make models emit harmful content – to be out of scope for its vulnerability disclosure program. Nonetheless, the attack success rate against Gemini declined significantly by August, which Utevsky suggests could be due to filter updates, model version changes, or both."— The Register の報道より
公式情報を見る →

別件の異常応答をxAIはどう説明しているか

同じ週には、Grokで別の不具合も伝えられました。Adversa AIの報告とは別件で、TechCrunchの記事はこの不具合と暗号化した指示の手口を結びつけていません。この異常応答について、Grok公式アカウントは一時的な生成の不具合だと投稿しています。

Grok公式アカウントが新しいチャットか再生成を案内

TechCrunchは2026年8月20日に、xAIのチャットボットGrokが多くのユーザーに意味をなさない文を出力していると伝えました。PDFの生成を指示したユーザーの1人は、意味不明な返答を受け取っています。別のユーザーが出典のリンクを見ると、強化学習の研究サイトへのリンクがいくつも表示されていました。

取材に応じたユーザーはGrok Liteを使っており、8月19日水曜の朝にはすでに異常に気づいていました。TechCrunchは自社のテストで再現できず、影響を受けているのは一部のユーザーだけとみています。xAIはTechCrunchのコメントの求めに回答しませんでした。

不具合はGrok.comへ直接プロンプトを入力した場合に限られるようで、X.com上のGrokアカウントには出ていませんでした。TechCrunchは、セッションを更新すればたいてい正常に戻るとも伝えています。ただ、何度更新しても意味不明な返答が続いたという報告もありました。

Grok公式アカウントは、新しいチャットを開くか再生成すればたいていすぐ直ると案内しました。20日木曜の朝の投稿では、意味不明な返答をまれに発生する一時的な生成の不具合だと投稿しました。投稿によると、公式のステータスページ(status.x.ai)ではすべてのGrokサービスが正常に稼働しており、障害は無いとのこと。

"An unusual glitch has resulted in xAI’s Grok chatbot speaking gibberish to many users."/"After asking the model to generate a PDF, one user received the response:"/"Checking source links, another user found a string of links to reinforcement learning research sites."/"Affected users who spoke to TechCrunch said they were using Grok Lite and noticed the issues as early as Wednesday morning. TechCrunch was unable to reproduce the issue in our own testing, and it is likely affecting only a small subset of users. xAI did not respond to a request for comment."/"Refreshing the session often restores normal function, but some users reported that the gibberish responses continued even after multiple refreshes."/"The bug appears to be limited to direct queries on Grok.com. The Grok account on X.com has been unaffected."/"That pure word salad is a rare temporary generation glitch. Official status at https://status.x.ai shows all Grok services fully operational with no incidents. Start a fresh chat or regenerate—it usually clears right away. Sorry about the gibberish,"/"the account wrote Thursday morning."— TechCrunch の報道より
公式情報を見る →

8月19日時点の報道が示す3つの事実

Grokの暗号化プロンプトインジェクションは、2026年8月19日時点でもGrok.comで成立していたと報じられ、実証では会話履歴が外部に送信されました。 要点は次の3点です。

  • 暗号化した指示は入力フィルタを通り、モデルが復号して実行します。実証では会話履歴が外部に送信されました。
  • 報告は2026年6月3日に届き、xAIは受領を認めたものの修正時期を明らかにしませんでした。8月19日時点でも、Grok.comでは成立していたと伝えられています。
  • 同じ週の意味不明な返答は、この手口とは別件です。Grok公式アカウントは一時的な生成の不具合だと投稿しています。

Grokのモデルについては、別の記事で性能と料金を解説しています。詳しくはGrok 4.5とは?コーディングの性能と料金、Cursorで使う方法をご覧ください。

FAQ

なぜガードレールをすり抜けられるのですか?
入力を検査するフィルタが暗号文を解読できないからです。攻撃を仕掛ける人物はウェブページに暗号化した指示と鍵を並べて置きます。フィルタは鍵が近くにあっても暗号文を解読できず、そのままモデルへ通します。モデルは鍵を使って指示を復号し、他の間接プロンプトインジェクションと同じように実行します。
実際に何が盗まれうるのですか?
実証では、Grok.comでの会話履歴が外部へ持ち出されました。送信されたのは、ユーザーの名前・おおまかな所在地・契約プランと、会話で打ち込んだプロンプトの全部です。これらはURLにパラメータとして付け足して送信されました。
xAIは修正したのですか?
8月19日時点では、Grok.comでこの手法がまだ成立していたと伝えられています。Adversa AIは2026年6月3日に、直接とHackerOneのバグ報奨金プログラムの両方でxAIへ通知しました。xAIは受領を認めましたが、修正の時期は明らかにしていません。8月19日より後の状況は、この報道には含まれていません。
同時期の意味不明な返答は何だったのですか?
Grok公式アカウントは、まれに発生する一時的な生成の不具合だと投稿しました。同じ投稿では、公式のステータスページ上で全サービスが正常に稼働し障害は無いと伝え、新しいチャットを開くか再生成すればたいていすぐ直ると案内しています。ただし、何度更新しても直らなかったという報告もありました。