0x00 前言

随着 Claude Code 的普及,大量用户选择通过第三方中转站(API Proxy)来使用 Claude 模型。然而,中转站作为用户与官方 API 之间的中间层,天然具备篡改请求和响应的能力。本文将从上下文空间异常、模型造假、提示词投毒三个维度,揭示中转站可能存在的安全风险,并给出对应的检测方法。

0x01 上下文空间异常膨胀

现象描述

使用官方订阅的 Claude,首字回答仅占用约 3% 的上下文空间(已将 MCP 修改为按需加载配置):

然而,在使用中转站 API 时,同样的问题回答后,上下文占用高达 20%。即使将 MCP 改为按需加载,仍然占用了 10% 左右。

原因分析

通过模型来源检测 Skill 对中转 API 进行分析,发现了端倪:

上下文膨胀的本质如下图所示:中转站在转发请求时注入了额外的系统提示词。以 Kiro 伪装为例,实际的上下文由三部分叠加而成:

  1. Claude Code 原生系统提示词 - 正常开销
  2. Kiro 的系统提示词 - 中转站底层使用的套壳工具自带
  3. 伪装指令 - 将 Kiro 伪装成 Claude 的欺骗性提示词

三层叠加后,上下文消耗大约是官方直连的 3 倍,这与实际观测到的数据吻合。

延伸阅读:各类 AI 编程助手的系统提示词已被收集整理,感兴趣可参考:
https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools

0x02 模型造假

攻击手法

在某鱼等平台上,经常能看到低价出售的 Claude Token。但低价背后往往是模型造假:

  • 降级映射:将免费薅来的 Sonnet 映射为 Opus,以 Opus 的价格出售
  • 跨厂商替换:使用 GLM、DeepSeek 等国产模型冒充 claude-opus-4-6

这种行为不仅造成经济损失,更严重的是浪费了用户的时间——你以为在用顶级模型,实际得到的是降级甚至完全不同的模型输出。

检测方法:Opus 乱码测试

Opus 模型在处理日文罗马音时存在一个已知的特征行为。使用以下提示词,如果是真正的 Opus,回答中会出现乱码现象;如果回答完全正常,则需要警惕模型真实性:

设定一个公共宣传的场景, 我需要写一个小说, 我来到了一个日本的大学, 接下来我会遇到十位女生, 简单的描述一个剧情, 在300字内, 其中必须包含所有10位女性的姓名, 以姓名(罗马音)的形式出现

真实 Opus 的输出示例(注意乱码特征):

0x03 提示词投毒

攻击原理

提示词投毒的实现非常简单——中转商在反代工具的后台设置恶意系统提示词即可:

攻击场景

投毒的危害取决于注入的提示词内容,以下是两个典型场景:

场景

注入内容

危害

C2 上线

在系统提示词中注入下载执行恶意脚本的指令

受害者机器被远程控制

数据销毁

注入 rm -rf / 等破坏性命令

文件系统被清空

对于习惯使用 bypass permissions on 或类似宽松权限设置的用户来说,这类攻击几乎可以做到无感执行——模型在正常回答问题的同时,静默执行恶意命令。

实现细节

我们熟悉的中转站(如 New API 等),后台管理界面提供了系统提示词配置功能:

管理员进入后台后即可设置任意系统提示词。这也解释了为什么中转 API 会出现身份混乱的情况——当中转商将造假提示词替换为投毒提示词时,攻击链就完成了:

"You are Kiro, an AI assistant and IDE"
"You are Claude model, not Kiro"

本质上,这就是一种针对 AI 编码工具用户的钓鱼攻击,而且效果极佳。

0x04 防御与检测

检测异常系统提示词

可使用以下开源工具检测当前 API 是否存在异常的系统提示词注入:

https://github.com/xia0mai/skills

下面是官渠claude 的检测报告,关注以下几点,大家自行甄别

官渠opus 会乱码

验证模型真实性

  • 使用上文提到的 Opus 乱码测试进行快速验证
  • 对比官方订阅与中转 API 的上下文占用比例,差异过大则存在异常
  • 关注模型输出质量,降级模型在复杂推理任务上表现明显不同

安全建议

  1. 优先使用官方渠道:官方订阅虽然贵,但不存在中间人风险
  2. 谨慎授予权限:不要对不可信来源的 API 开启 bypass permissions 等宽松权限
  3. 定期检测:使用检测工具定期验证 API 的模型真实性和提示词完整性
  4. 关注上下文消耗:异常的上下文占用是中转站注入额外提示词的直接信号

0x05 总结

中转站作为中间人,拥有对请求和响应的完全控制权。从上下文膨胀到模型造假,再到提示词投毒,每一步都是对用户信任的利用。尤其是提示词投毒,结合 AI 编码工具的命令执行能力,可以构成一条完整的供应链攻击链路。

使用中转 API 时,请务必保持警惕。