ARK. 1Słownik pojęćBezpieczeństwo AI i modeli językowych
ujawnienie informacji wrażliwych
Sytuacja, w której chatbot lub asystent AI zdradza w odpowiedzi dane, których nie powinien: dane osobowe klientów, hasła, fragmenty dokumentów firmy lub cudzych rozmów. Kategoria z listy OWASP Top 10 dla aplikacji LLM (w edycjach 2025–2026 na 2. miejscu).
TAB. 1Nazwaobie formy
| Po angielsku | sensitive information disclosure (LLM) |
|---|---|
| Po polsku | ujawnienie informacji wrażliwych |
| Którą formą pisać | obie formy Obie formy są w obiegu. Przy pierwszym wystąpieniu pisz „polski termin (english term)”, dalej sam polski. |
| Inne formy | ujawnienie wrażliwych informacji · Sensitive Information Disclosure · wyciek danych przez model |
| Odmiana | rzeczownik odczasownikowy, rodzaj nijaki: ujawnienia informacji wrażliwych |
TAB. 2Jak to nazywająprasa vs urząd
| Prasa branżowa | Sekurak zostawia nazwę kategorii po angielsku: „Sensitive Information Disclosure drugie”; Computerworld i Trend Micro tłumaczą: „Ujawnienie wrażliwych informacji”, „Ujawnienie informacji wrażliwych”. |
|---|
TAB. 3Źródła4
| Forma | Cytat | Skąd |
|---|---|---|
| EN | „2 Sensitive Information Disclosure 2 = Poufne dane trafiają do odpowiedzi, logów, kontekstu, innych użytkowników lub zewnętrznych usług.” | sekurak.pl |
| PL | „2. Ujawnienie wrażliwych informacji Podatność awansowała z szóstego na drugie miejsce na liście zagrożeń.” | computerworld.pl |
| PL | „Ujawnienie informacji wrażliwych LLM mogą ujawniać poufne dane, algorytmy lub inne wrażliwe informacje.” | trendmicro.com |
| EN | „Sensitive information can affect both the LLM and its application context.” | genai.owasp.org |
TAB. 4Obok w tej dziedzinie6
| shadow AI | shadow AI | Korzystanie przez pracowników z publicznych narzędzi AI bez wiedzy i zgody działu IT, przez co dane firmowe — kod, umowy, dane klientów — trafiają do zewnętrznych modeli poza jakąkolwiek kontrolą organizacji. |
| slopsquatting | slopsquatting | Atak na łańcuch dostaw oprogramowania: przestępcy rejestrują w repozytoriach (npm, PyPI) pakiety o nazwach, które modele AI „wymyślają” w generowanym kodzie. Programista lub agent AI instaluje zmyśloną zależność i dostaje złośliwy kod. |
| system prompt leakage | system prompt leakage | Ujawnienie instrukcji systemowych, którymi operator steruje chatbotem lub agentem AI — np. gdy użytkownik podstępem skłoni model do wypisania promptu. Groźne, gdy w prompcie zaszyto hasła, klucze API albo reguły dostępu; prompt systemowy nie powinien zawierać sekretów. |
| vibe coding | vibe coding (security risks of AI-generated code) | Tworzenie aplikacji lub stron przez opisywanie ich modelowi AI i przyjmowanie wygenerowanego kodu bez jego rozumienia i przeglądu. Ryzyka: brak kontroli dostępu, klucze API w kodzie frontendu, otwarte bazy danych, zmyślone lub złośliwe biblioteki. |
| zatruwanie danych / zatruwanie modelu | data poisoning / model poisoning | Celowe wprowadzenie spreparowanych treści do danych, na których model się uczy lub które pobiera w trakcie działania (na przykład do bazy RAG), tak aby trwale generował błędne, stronnicze lub szkodliwe odpowiedzi albo reagował ukrytą furtką na umówiony sygnał. |
| zatruwanie narzędzi | tool poisoning / MCP server risks | Atak na agenta AI przez podłączone narzędzia: złośliwy lub przejęty serwer MCP ukrywa w opisie narzędzia albo w jego odpowiedzi instrukcje, które model traktuje jak polecenia — np. wysyła napastnikowi pliki lub historię rozmów. Dotyczy każdego, kto podpina asystentowi AI zewnętrzne serwery MCP. |
TAB. 5