Ngộ độc bộ nhớ là một phương thức tấn công đưa dữ liệu độc hại vào lịch sử hội thoại và cơ sở kiến thức bên ngoài mà AI agent lưu trữ trong bộ nhớ dài hạn, khiến nó hiểu sai các phản hồi và phán đoán sau này.
Ngộ độc bộ nhớ là một kỹ thuật tấn công trong đó kẻ tấn công cố tình đưa thông tin sai lệch hoặc lời nhắc độc hại vào lịch sử hội thoại, kho lưu trữ vectơ, tài liệu bên ngoài, v.v. được AI agent hoặc hệ thống RAG lưu giữ trong bộ nhớ dài hạn, làm lây nhiễm các phiên và phản hồi tiếp theo cho người dùng khác. Trong khi tính năng prompt nhắm mục tiêu vào một đầu vào duy nhất, thì việc đầu độc bộ nhớ được đặc trưng bởi thực tế là nó làm ô nhiễm chính khu vực lưu trữ lâu dài, do đó thiệt hại có thể sẽ lâu dài và mang tính dây chuyền. Kể từ năm 2026, bề mặt tấn công này được cho là sẽ thu hút nhiều sự chú ý hơn do số lượng triển khai tăng lên nhanh chóng, giúp các AI agent có khả năng thực thi các công cụ bên ngoài và phối hợp RAG. Trong hoạt động thực tế, chi phí bổ sung để xác minh nguồn dữ liệu được ghi vào bộ nhớ, chấm điểm độ tin cậy của nguồn và thường xuyên kiểm tra nội dung được lưu trữ có thể dễ dàng trở thành cạm bẫy khi quyết định giới thiệu nó. Trong lĩnh vực lựa chọn công cụ, một trong những tiêu chí lựa chọn thực tế là liệu các chức năng kiểm soát truy cập và dọn dẹp ghi bộ nhớ có được đưa vào làm tiêu chuẩn hay không.