文章总结： 文档披露DeepSeek模型输入特定不闭合标签<think可能触发异常输出，内容疑似他人隐私或训练数据碎片，引发跨会话泄露与数据幻觉两大技术假说争议。文章给出复现步骤、风险分析，并为普通用户、开发者和企业提供防范建议，强调在官方修复前需审慎处理敏感数据。 综合评分： 78 文章分类： 漏洞分析,AI安全,数据安全,应用安全,安全运营
DeepSeek 输入了六个字符，看到了不该看到的东西，是隐私泄露，还是 AI 的记忆闪回？
原创
安羽安全 安羽安全
安羽安全
2026年5月14日 19:53 安徽
在小说阅读器读本章
去阅读
DeepSeek Security Alert
疑似 DeepSeek 严重安全漏洞
输入一个标签，竟能”偷看”他人对话？
近日多位安全研究员与开发者爆料，在 DeepSeek 官网模型中输入一个特殊不闭合标签，模型竟会吐出大量非用户输入、疑似他人隐私的文本、代码及会话片段。这一发现迅速在开源社区引发热议。
一个简单的标签，为何能让顶流模型”失控”？背后到底隐藏着怎样的技术谜团？
01
现象还原：一个不闭合标签，让模型”乱说话”
据开源社区反馈，这一现象的触发方式简单到令人意外——无需复杂操作，人人都能复现：
复现步骤
1 打开 DeepSeek 官网
2 打开专家模式，创建一个全新、完全空白的对话窗口
3 仅输入 <think（故意不输入闭合的右标签），直接发送
4 有一定概率，不是每次都成功
诡异的是，模型并未因标签残缺报错，反而顺着这个不闭合的标签，疯狂输出大量复杂且不完整的内容——既有零散的对话片段、杂乱的代码，甚至还夹杂着疑似敏感信息，仿佛”误触”了某个隐藏的”数据开关”。
💡 为什么是 <think 标签？
DeepSeek-R1 系列模型采用”深度思考”机制，会使用
02
核心争议：是”会话泄露”，还是”数据幻觉”？
截至目前，DeepSeek 官方尚未对该现象给出最终定论。技术圈对其本质成因分歧巨大，主要形成了两种对立的技术假说，各有依据、各执一词。
假说一 · 高风险
跨会话内存/缓存泄露
部分开发者推测，这是系统处理不闭合标签时，服务端缓存分配机制出现紊乱所致。
核心推论：系统误将服务器内存中，其他活跃用户的当前会话缓存，当作当前会话的”思考过程”直接输出。
影响评估：若属实，意味着存在实时隐私泄露风险——你的对话内容，可能被其他用户通过简单操作获取。此前 DeepSeek 已被曝光存在可公开访问的数据库，包含聊天记录和 API 密钥等敏感信息。
假说二 · 技术层面
训练数据”记忆重现”与数据幻觉
另一部分安全专家认为，这更可能是大模型的”记忆效应”（Memorization），并非实时隐私泄露。
核心推论：<think 标签恰好触发了模型在预训练、强化学习阶段吸收的海量原始语料。模型吐出的内容，并非其他用户的实时聊天记录，而是其训练集中的碎片化信息——这种”记忆重现”现象，在开源大模型中其实并不罕见。
支撑论据：DeepSeek-R1 官方说明中曾明确提及，模型在响应某些查询时”容易绕过深度思考模式”，这暗示其内部推理流程确实存在脆弱环节。
在官方技术报告出炉前，这究竟是一场严重的“越界泄密”，还是一场底层数据的“深度幻觉”，依然是悬在技术圈头顶的未解之谜。
03
潜在风险：不容忽视的安全挑战
无论最终成因是哪一种，这一现象都给模型应用层带来了不容忽视的安全挑战。
🔴 上下文污染与机制绕过
不闭合标签会直接干扰模型的正常推理逻辑。恶意攻击者可能利用这种”前缀提示词”，伪造模型思考过程，尝试绕过大模型原有的安全审查机制，带来未知风险。更严重的是，若结合此前已被披露的 API 密钥泄露问题，攻击者可构建自动化的数据窃取链路。
🟠 模型记忆泄露的合规风险
即便输出内容来自训练数据而非实时缓存，若训练语料中包含未经充分脱敏的真实用户数据，模型的”记忆重现”本身就构成合规隐患。此前 DeepSeek 已因数据使用问题受到爱尔兰隐私监管机构质询，此事件可能进一步加剧全球监管关注。
🟣 第三方应用的信任危机
目前英伟达 NIM、亚马逊云、Perplexity、Cursor 等头部平台均已接入 DeepSeek，微软更率先将 DeepSeek-R1 部署在 Azure 云服务上。若底层模型存在数据泄露漏洞，其影响将通过这些集成商呈涟漪式扩散，波及面远超 DeepSeek 自身。
04
应对建议：不同人群的防范指南
👤 普通用户
- 在官方对该现象给出明确答复、完成修复前，请保持审慎态度。 2. 暂缓在公共平台、第三方包装应用中输入企业核心机密、个人隐私等敏感数据。
- 不要手动尝试触发此类异常行为，避免自身数据被卷入潜在的跨会话泄露中。
- 警惕以”DeepSeek 安全工具”、”漏洞修复补丁”为名的钓鱼软件。
💻 开发者
- 若基于 DeepSeek API 开发第三方应用，必须在前后端同时设置防护，强制过滤用户输入中的异常 XML/HTML 标签。
- 对 API 返回内容进行完整性校验，剥离非预期的结构化标签后再展示给用户。
- 建议添加速率限制和异常输出监控，一旦检测到大量非常规标签输出立即告警。
- 优先通过官方渠道获取 API 和部署包，对本地部署场景进行全盘安全排查。
🏢 企业安全团队
- 立即排查企业内是否有人使用非官方渠道的 DeepSeek 部署包。
- 对已接入 DeepSeek 的内部系统进行风险评估，评估数据流经路径中是否存在敏感信息。
- 更新防病毒软件并实施全盘查杀，消除因仿冒部署包可能植入的木马风险。
- 密切关注 DeepSeek 官方安全公告，建立应急响应预案。
💬 你怎么看？
是会话泄露还是数据幻觉？你在复现时看到了什么内容？ 欢迎在评论区分享你的观察。
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：安羽安全 安羽安全 安羽安全《DeepSeek 输入了六个字符，看到了不该看到的东西，是隐私泄露，还是 AI 的记忆闪回？》
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
评论