xmlns="http://www.w3.org/2000/svg"

style="display:

none;">

随着生成式AI在企业办公、医疗教育、政企决策等核心场景的深度渗透，提示词注入（Prompt

Injection）与数据泄露（Data

Exfiltration）已成为制约其规模化应用的核心安全痛点——攻击者通过精心设计的提示词诱导模型突破安全限制、外带敏感数据，不仅威胁用户隐私与企业核心资产，更冲击AI行业的信任根基。

在此背景下，OpenAI于2026年2月13日正式推出**锁定模式（Lockdown

Mode）与高风险标签（Elevated

Risk）**两大核心安全功能，以“强制隔离防护+风险透明告知”的双轮驱动模式，构建全链路AI安全防护体系，既是对当前安全漏洞的精准回应，也为行业树立了生成式AI安全治理的新标杆。

一、锁定模式（Lockdown

Mode）：高安全级“隔离舱”，从根源阻断安全漏洞

1.

核心定位：聚焦高敏感场景，打造“最小权限”安全范式

锁定模式并非面向所有用户的通用设置，而是针对高风险用户群体与核心敏感场景（如企业高管办公、安全团队漏洞检测、医疗行业病历处理、教育行业涉密教研、政企单位公文生成等）打造的可选高级安全模块。

其核心设计理念是“最小权限原则”——通过确定性禁用、限制模型的外部交互能力，剥离所有可能存在安全隐患的功能，从根源上切断提示词注入导致的数据外泄、权限越权等风险路径，相当于为模型搭建了一个“安全隔离舱”，确保模型在处理敏感信息时始终处于可控范围。

与传统安全防护“被动拦截”不同，锁定模式采用“主动限制”思路，无需依赖实时风险检测算法，通过技术层面的强制约束，规避了算法误判、漏判的风险，大幅提升了高敏感场景下的安全可靠性，填补了生成式AI在核心场景应用中的安全空白。

2.

关键限制详解（启用后强制生效，不可临时绕过）

• 网络浏览：彻底切断实时交互，仅保留可控缓存访问

  />启用锁定模式后，模型将完全禁止发起任何实时网络请求，包括网页检索、API调用、第三方数据拉取等所有外部网络交互行为。

  用户仅可访问OpenAI官方可控的缓存内容，且缓存数据经过严格的安全筛选与脱敏处理，彻底阻断攻击者通过“诱导模型访问恶意网页”“利用网页浏览功能外带敏感数据”等常见攻击手段，从传输通道层面筑牢安全防线。

• 系统提示：强制锁定核心规则，杜绝篡改与绕过

  />模型的核心系统提示（即定义模型行为边界、安全规则的基础指令）将被技术层面锁定，无论用户输入何种诱导性、攻击性提示词，都无法说服或迫使模型修改、绕过核心安全规则。

  这一设计直接破解了提示词注入攻击的核心逻辑——攻击者无法通过伪装提示、混淆指令等方式，让模型违背安全设定，从而彻底杜绝了“模型被劫持”的风险。

• 工具管控：白名单机制，严控外部工具访问权限

  />管理员可根据实际业务需求，配置外部工具白名单，强制限制模型仅可使用白名单内的工具（如企业内部授权的代码解释器、专用插件等），未被纳入白名单的所有外部工具、第三方集成能力将被直接禁用。

  这一机制避免了模型因调用未授权工具，导致敏感数据被泄露、恶意代码被执行的风险，实现了“工具使用可控、风险可防”。

• 输出过滤：多重清洗校验，防范敏感信息伪装泄露

  />锁定模式将启用增强型输出清洗机制，对模型生成的所有内容进行多重校验与过滤，重点识别伪装成普通文本、代码、链接的敏感信息（如身份证号、企业涉密数据、医疗病历等），并对违规内容进行拦截或脱敏处理。

  同时，过滤机制还会识别可能存在的“指令泄露”“数据外带”痕迹，进一步防范攻击者通过诱导模型输出敏感信息的方式实施攻击。

• 风险功能禁用：主动舍弃不确定安全的能力，优先保障安全

  />对于OpenAI无法提供绝对安全保证的功能（如部分第三方插件集成、跨平台数据联动、文件上传后的高级解析等），锁定模式将直接完全禁用，不保留任何临时启用入口。

  这种“安全优先于体验”的设计，虽然在一定程度上牺牲了部分功能灵活性，但最大程度降低了安全隐患，契合高敏感场景的核心需求。

3.

适用范围、管理机制与未来规划

目前，锁定模式已正式开放至ChatGPT企业版、教育版、医疗版、教师版，覆盖绝大多数高敏感用户群体。

在管理层面，采用“管理员集中管控+角色分级配置”模式——工作区管理员可根据用户角色（如高管、普通员工、安全人员）的敏感程度，灵活为不同角色开启锁定模式，并精细配置锁定模式下允许使用的应用、工具与操作权限，实现“千人千权”的精准管控，兼顾安全性与业务便利性。

根据OpenAI官方规划，锁定模式将在未来3-6个月内向普通消费者开放，预计将推出“基础版锁定模式”，允许普通用户根据自身需求（如处理个人敏感信息、隐私对话等）自主开启，进一步扩大安全防护的覆盖范围，让更多用户享受高安全级别的AI服务。

二、高风险标签（Elevated

Risk）：风险透明化，引导用户理性规避安全隐患

1.

核心作用：打破“安全黑盒”，实现风险可感知、可决策

如果说锁定模式是“被动防御”的硬屏障，那么高风险标签就是“主动预警”的软提示。

其核心作用是打破生成式AI的“安全黑盒”，对ChatGPT、Atlas、Codex等OpenAI旗下产品中，所有涉及外部交互、数据暴露、权限提升的功能，统一标注“高风险标签”，让用户在启用该功能前，清晰知晓其潜在安全风险，从而根据自身使用场景，自主做出是否启用的决策，从源头降低因“不知情”导致的安全事故。

当前，多数用户在使用AI功能时，往往不清楚部分功能背后的安全隐患（如启用实时网页浏览可能导致数据泄露、授权第三方应用可能被越权访问等），高风险标签的推出，相当于为用户提供了“安全说明书”，推动AI安全从“厂商主导”向“厂商引导+用户自主”的双向治理模式转变。

2.

标签核心内容：精准告知，无模糊表述

高风险标签采用“直白、精准、全面”的表述方式，不使用专业晦涩的技术术语，确保不同层级用户都能快速理解，核心包含三大模块内容，缺一不可：

• 功能基础信息：明确说明该功能的核心用途、启用后将带来的具体变化（如“启用后可实时访问互联网获取最新信息”）；

• 潜在安全风险：逐条列出该功能可能引发的安全问题，重点标注提示词注入、数据泄露、越权访问、恶意代码执行等核心风险，明确风险发生的场景与可能造成的损失；

• 风险规避建议：结合功能特点，给出具体、可操作的风险规避方法（如“处理敏感信息时请勿启用”“仅授权可信第三方应用”等），引导用户规范使用。

3.

标签触发场景：覆盖全场景高风险行为，动态调整适配

高风险标签的触发的场景经过OpenAI安全团队的全面梳理，覆盖所有可能存在安全隐患的外部交互与数据暴露行为，核心场景示例如下：

• 启用实时网页浏览、联网检索功能（可能被诱导访问恶意网页，或外带敏感数据）；

• 授权ChatGPT访问第三方应用、API接口（可能导致第三方应用越权获取用户数据、模型权限）；

• 开启代码执行、文件上传与解析功能（可能被注入恶意代码，或泄露文件中的敏感信息）；

• 使用跨应用数据联动、数据同步功能（可能导致敏感数据在不同平台间传输时泄露）；

• 开启模型权限提升、自定义系统提示等高级功能（可能被利用实施提示词注入攻击）。

值得注意的是，高风险标签并非永久固定，而是采用“动态调整”机制——OpenAI安全团队将持续监测各功能的安全表现，定期更新安全防护策略，当某一功能的安全防护能力达标、风险处于可控范围后，将自动移除其高风险标签；反之，若某一功能出现新的安全漏洞、风险等级提升，将立即标注高风险标签，并同步更新风险提示内容。

三、双功能协同：精准破解两大核心风险，构建全链路防护

锁定模式与高风险标签并非独立运行，而是形成“协同互补、层层递进”的防护逻辑，分别从“技术强制约束”和“用户主动规避”两个维度，精准对抗提示词注入与数据泄露两大核心风险，构建“事前-事中-事后”全链路安全防护体系。

1.

Injection）：双向阻断，不留漏洞

提示词注入是当前生成式AI最常见、最隐蔽的攻击方式之一，攻击者通过设计看似合理的提示词（如伪装成“系统指令”“用户需求”），诱导模型突破安全边界，执行恶意操作。

双功能通过“被动阻断+主动预警”的双向逻辑，彻底破解这一难题：

• 锁定模式：从技术层面彻底阻断攻击路径

  />通过“不可变系统提示+工具白名单+断网/限网”的三重约束，让攻击者的诱导性提示词失去作用——既无法篡改模型的核心安全规则，也无法诱导模型调用未授权工具、访问恶意网络，从根源上阻断提示词注入的实施路径，实现“攻击无效化”。

• 高风险标签：从用户层面降低攻击概率

  />通过提前警示用户，明确告知哪些功能可能被利用实施提示词注入攻击，引导用户在敏感场景下（如处理涉密数据、隐私对话），不启用高风险功能，从使用场景层面降低被攻击的概率，形成“主动规避”的安全防线。

2.

防范数据泄露（Data

Exfiltration）：三层防护，严控外传

数据泄露是生成式AI安全风险的核心痛点，尤其是企业用户、政企单位，一旦敏感数据（如商业机密、涉密文件、个人隐私）通过AI模型外泄，将造成巨大的经济损失与声誉影响。

双功能从“传输通道、访问权限、内容输出”三个层面，构建全方位数据防护网：

• 锁定模式：三重管控，阻断数据外传路径

  />禁止实时网络请求，阻断数据通过网络外带的通道；限制外部工具访问，避免数据被未授权工具获取；启用输出过滤，防范敏感数据被伪装后泄露，三层管控层层递进，确保敏感数据始终处于模型“隔离舱”内，无法外传。

• 高风险标签：提升用户警惕，规避无意识泄露

  />让用户在处理敏感数据时，清晰知晓哪些功能可能导致数据泄露，从而保持高度警惕，避免因“不知情”而授权第三方应用、启用高风险功能，无意识间导致数据泄露，实现“源头规避”。

四、与现有安全机制协同：完善防护体系，提升安全层级

需要明确的是，锁定模式与高风险标签并非替代OpenAI现有的安全机制，而是对现有安全能力的强化与补充，二者协同现有安全功能，构建起“事前风险提示+事中强制隔离+事后审计追溯”的全链路AI安全防护体系，大幅提升ChatGPT的整体安全层级。

OpenAI此前已部署多项安全防护机制，包括：沙箱隔离（将模型与外部环境、敏感数据隔离）、URL防泄露（拦截模型输出中的敏感URL、恶意链接）、审计日志（记录用户所有操作与模型交互内容，便于事后追溯）、角色权限管控（根据用户角色分配不同操作权限）等。

新推出的两大功能与现有机制的协同逻辑的是：高风险标签承担“事前预警”职责，提前告知用户风险，引导规范使用；锁定模式承担“事中隔离”职责，在高敏感场景下强制限制风险行为；现有沙箱、权限管控等机制承担“基础防护”与“事后追溯”职责，确保整体防护无死角。

三者协同，形成“预警-隔离-追溯”的闭环防护，让ChatGPT的安全防护能力从“基础防护”升级为“精准化、全链路防护”。

五、行业影响与前瞻性展望

1.

对当前行业的核心影响

ChatGPT推出锁定模式与高风险标签，不仅解决了自身的核心安全痛点，更对整个生成式AI行业产生深远影响，主要体现在三个方面：

• 树立行业安全标杆：明确了生成式AI“安全优先”的发展方向，为其他AI厂商提供了可借鉴的安全治理范式——通过“强制隔离+风险透明”的双轮驱动，平衡AI功能体验与安全防护，推动行业从“追求功能创新”向“创新与安全并重”转变。

• 加速核心场景渗透：锁定模式的推出，填补了高敏感场景的AI安全空白，让企业、政企、医疗、教育等核心领域，能够放心使用生成式AI服务，有效加速生成式AI在各行业的规模化渗透，推动AI技术与实体经济深度融合。

• 强化用户安全认知：高风险标签的普及，将逐步提升用户对AI安全风险的认知程度，引导用户形成“规范使用AI、重视数据安全”的习惯，推动AI安全治理从“厂商主导”向“全民参与”转变，构建良性的AI安全生态。

2.

前瞻性展望：未来AI安全治理的三大趋势

结合OpenAI此次的功能升级，以及当前生成式AI行业的安全发展现状，未来AI安全治理将呈现三大明确趋势，值得行业各方关注：

• 安全功能“场景化、精细化”：未来，AI厂商将不再推出“一刀切”的安全设置，而是针对不同行业、不同场景、不同用户群体，推出精细化的安全解决方案，如针对医疗行业的“病历安全模式”、针对政企单位的“涉密防护模式”，实现“场景适配、精准防护”。

• 风险治理“透明化、协同化”：风险透明将成为AI安全治理的基本要求，除了高风险标签，未来可能会推出“风险等级评估”“安全日志可视化”等功能，让用户、厂商、监管部门都能清晰了解AI的安全状态；同时，将推动跨厂商、跨行业的安全协同，共享攻击特征、防护经验，构建行业级AI安全防护网络。

• 安全能力“智能化、主动化”：未来，AI安全防护将从“被动防御”向“主动预警、智能拦截”升级，通过AI技术自身识别提示词注入、数据泄露等风险，实现“攻击提前预警、自动拦截”，同时结合用户使用习惯，智能推荐安全设置，进一步降低用户的安全使用成本。

六、对不同用户群体的实操建议

结合锁定模式与高风险标签的功能特点，针对不同用户群体，提出精准、可操作的使用建议，帮助用户更好地利用新功能，规避安全风险：

1.

企业/高敏感用户（核心推荐）

• 优先为核心岗位（高管、安全团队、涉密人员）启用锁定模式，并由管理员配置“最小权限”工具白名单，仅开放业务必需的功能，杜绝不必要的外部交互；

• 建立“高风险功能使用规范”，明确规定哪些场景下可启用高风险功能、使用前需履行哪些审批流程，定期对员工进行AI安全培训，提升员工风险意识；

• 结合现有审计日志功能，定期排查高风险功能的使用记录，及时发现异常操作，防范安全事故发生。

2.

普通用户

• 处理个人敏感信息（如身份证号、银行卡信息、隐私对话）时，尽量启用基础版锁定模式（未来开放后），避免启用实时网页浏览、第三方应用授权等高风险功能；

• 启用任何带有高风险标签的功能前，务必仔细阅读风险提示，确认自身使用场景无敏感数据后，再进行启用；

• 不随意输入带有诱导性、攻击性的提示词，不轻易授权ChatGPT访问个人社交账号、邮箱等敏感平台，从自身使用习惯上规避安全风险。

3.

API时，需及时适配锁定模式与高风险标签的相关接口，在自身产品中同步显示高风险标签与风险提示，引导用户规范使用；

根据自身产品的使用场景，为用户提供“安全模式切换”功能，如针对敏感场景自动启用锁定模式，提升产品的安全性与用户信任度；

持续关注OpenAI的安全功能更新，及时优化自身产品的集成方案，规避因API安全升级导致的兼容性问题与安全漏洞。

结语

生成式AI的快速发展，既带来了效率革命，也伴随着不可忽视的安全风险，提示词注入与数据泄露的隐患，不仅考验着AI厂商的技术实力，更关乎行业的可持续发展。

OpenAI此次推出的锁定模式与高风险标签，本质上是对“AI安全治理”的一次重要探索，通过“技术防护+用户引导”的双轮驱动，既解决了当前的核心安全痛点，也为行业树立了安全发展的标杆。

未来，随着AI技术的不断迭代，安全防护将成为生成式AI的核心竞争力之一，而“场景化防护、透明化治理、智能化预警”也将成为行业发展的必然趋势。

对于用户而言，既要学会利用新的安全功能保护自身权益，也要树立正确的AI安全意识；对于厂商而言，需持续加大安全技术研发投入，完善安全防护体系，推动生成式AI在安全、合规的前提下，实现更大的价值。