微信扫一扫,加我为朋友

揭秘LLM增强搜索引擎对黑帽SEO技术的韧性:传统攻击拦截率99.78%

摘要:大语言模型增强搜索引擎(LLMSE)将网络级搜索能力与AI驱动的摘要生成相结合,正在重塑信息检索方式。这类系统在效率上优于传统搜索引擎,但其面对业已成熟的黑帽SEO攻击时的安全性尚未得到研究。

本文首次对针对LLMSE的SEO攻击进行系统性研究。我们考察了十款代表性LLMSE产品(如ChatGPT、Gemini),构建了包含1,000个真实黑帽SEO网站的基准测试集SEO-Bench,用以评估开源与闭源LLMSE。测量结果显示,LLMSE能够拦截超过99.78%的传统SEO攻击,其中检索阶段是主要过滤屏障,拦截了绝大多数恶意查询。我们进一步提出并评估了七种LLMSEO攻击策略,证明现成LLMSE对LLMSEO攻击具有脆弱性——重写查询填充与分段文本两种策略使操纵率较基线翻倍。本文首次对LLMSE生态进行深入安全分析,为构建更具韧性的AI驱动搜索系统提供了实践启示。我们已负责任地向主要厂商报告了所发现的问题。

关键词: LLM增强搜索引擎、搜索引擎优化、黑帽SEO

1 引言

在大语言模型的新兴应用中,LLM增强搜索引擎(LLMSE)将网络的庞大搜索能力与对用户查询的高效精准响应相结合。凭借客观性和信息综合能力,LLMSE正日益被视为传统搜索引擎的替代品。例如,Perplexity在2025年初以180亿美元估值完成融资。

图1展示了LLMSE与传统搜索引擎的对比。用户输入一个实际问题(如“LLMSE的影响?”),传统搜索引擎返回若干独立网页来源(新闻、论坛等),而LLMSE直接生成结构良好的回答,以清晰的概述提供更明确的信息。

传统搜索引擎与LLM增强搜索引擎(LLMSE)示例

然而,这些优势是否意味着LLMSE真的比传统搜索引擎更可靠?搜索引擎优化(SEO)——包括黑帽SEO——数十年来持续损害传统搜索引擎的结果质量。如今许多攻击者转向LLMSE,很可能复用既有SEO手段甚至发明新的操纵方式,新兴的LLMSE系统正面临性质全新的威胁,理解并缓解此类风险的紧迫性不言而喻。

研究空白

尽管LLMSE部署日益广泛,其在SEO操纵下的安全性仍未被充分理解。一方面,作为快速兴起的领域,多数LLMSE研究聚焦于提升搜索效率、准确性和可验证性;另一方面,安全相关工作关注模型层面的攻击技术。例如,PoisonedRAG通过污染知识库操纵RAG结果,GEO生成引擎优化(GEO: Generative Engine Optimization)尝试构造文本优化攻击以在模型摘要中获得可见性。但这些方法通常在精心构造的实验环境中评估,仅覆盖LLMSE工作流的部分组件,忽视了其在真实场景中对端到端系统的影响。Luo等人观察到了LLMSE中的有害内容和恶意URL,但未从传统SEO技术角度分析这些威胁,也未评估各阶段的特定脆弱性。此外,传统黑帽SEO威胁如何影响LLMSE仍缺乏深入探索,这对不断演进的LLMSE基础设施构成持续且可迁移的风险。

本文工作

我们首次系统研究黑帽SEO对LLMSE的威胁,试图回答三个重要研究问题(RQ):

  • RQ1: LLMSE的工作流是什么?LLMSE的设计是否天然抵抗SEO操纵?
  • RQ2: 针对传统搜索引擎的黑帽SEO攻击是否会影响LLMSE?若会,如何影响各阶段?
  • RQ3: 是否存在能够显著操纵LLMSE结果的LLMSE技术?

围绕这些问题,我们首先调研了10款流行LLMSE产品,分析其特殊工作流,揭示攻击面。其次,检验传统黑帽SEO技术在LLMSE上的有效性,构建包含1,000个真实黑帽SEO攻击的SEO-Bench,评估开源与闭源LLMSE的防御表现。我们进一步在不同阶段开展详细实证分析,揭示其偏好。最后,提出七种LLMSEO策略,基于450个自部署网站进行端到端实验。所有发现的问题均已负责任地披露给主要LLMSE厂商。

贡献

  • 详细调研真实LLMSE产品,揭示其多阶段工作流并识别各阶段攻击面。
  • 揭示LLMSE能抵御超过99.78%的传统黑帽SEO攻击,检索阶段是主要过滤器,拦截绝大多数恶意查询。
  • 报告LLMSE对LLMSEO攻击具有脆弱性——重写查询填充和分段文本使操纵率较基线翻倍。

2 背景

2.1 LLMSE与黑帽SEO

LLMSE。 LLM增强搜索引擎(又称AI驱动搜索)将实时检索与生成式摘要相结合,已被广泛采用。Perplexity月访问量达1.69亿,ChatGPT于2024年正式加入搜索能力。已有工作考察其效率、准确性和可验证性,对抗性研究则探索了通过GEO和提示注入进行的可见性操纵。

黑帽SEO。 搜索引擎优化(SEO)指通过合法手段(优化结构、内容和用户体验)提升网站排名和自然流量。黑帽SEO则通过违反搜索引擎准则操纵排名,以短期获利为目的,手段包括链接农场、关键词堆砌、搜索重定向、内容伪装、通过广告注入或术语混淆实现的语义混淆,以及长尾关键词攻击。

2.2 威胁模型

攻击者以推广特定网站为动机,刻意修改网站结构或内容,使其被搜索引擎有利索引。当受害者输入特定查询时,LLMSE可能呈现这些网站,并将不可信网站的链接纳入生成回答。

攻击者目标: 诱导LLMSE在回答中嵌入攻击者控制的URL。由于带链接的输出直接引导用户访问推广站点,我们的分析聚焦于包含指向攻击者控制域名的可点击引用(如引文)的回答。

攻击者能力: 假设攻击者控制多个网站,对内容和结构有完全定制权限,但无法访问LLMSE的中间输出。

3 LLMSE攻击面分析

本节调研当前开源与闭源市场上的主流LLMSE系统,通过实践分析揭示各阶段攻击面。

3.1 代表性LLMSE收集

为全面理解LLMSE生态,我们从工业和开源平台系统收集活跃部署的LLMSE。首先,通过Google搜索“LLM search”“AI search”等关键词,从前100条结果中提取产品,选出被提及最多的五款LLMSE产品,它们合计占市场98%以上,代表可见度和使用率最高者。其次,调研GitHub上“LLM search”热门仓库,选出star数超过1万的前五个LLMSE项目,反映较强的社区采用度。共识别10款代表性LLMSE,其身份与热度见表1。

表1:代表性LLMSE概览
LLMSE提供方热度发布日期API
闭源
ChatGPT Search OpenAI59.1亿访问2024-10-31有
Gemini Grounding Google10.6亿访问2024-10-31有
Google AI Overview Google885亿访问2024-05-14无
Perplexity Perplexity1.69亿访问2022-12-07有
Komo AI Komo20.1万访问2023-01-18有
开源
Open WebUI Open WebUI11.2万star2023-10-07有
Khoj Khoj AI3.13万star2021-04-04无
Storm Stanford OVAL2.75万star2024-04-09有
Perplexica ItzCrazyKns2.64万star2024-04-09有
GPT Researcher Assaf Elovic2.37万star2023-05-12有

注:月访问量来自SimilarWeb,star数来自GitHub;Google AI Overview是Google搜索的内部实验模块;统计截至2025年9月。

3.2 攻击面分析

我们对收集的LLMSE进行全面分析以揭示攻击面。对闭源LLMSE,系统审阅其主页描述和官方文档,并手动交互观察面向用户的输出;对开源LLMSE,本地部署并分析其输出和服务器端日志以暴露中间处理过程。LLMSE的工作流及对应攻击面总结于图2。

LLMSE的工作流与攻击面

阶段一:理解查询。 LLMSE理解用户输入,为后续阶段提供可执行指导。该过程包含两个主要组件:

(1.1)意图分析: 推断用户意图,决定是否需要外部检索(如ChatGPT、Gemini)。该步骤过滤查询中无关或恶意的部分,有助于抵御无关关键词堆砌和语义混淆等攻击。但LLM驱动的推理仍易受提示注入或越狱等对抗性攻击。

(1.2)查询重写: 将用户输入重写为一个或多个标准化查询。在考察的LLMSE中,8/10明确表示会主动重新生成查询,常采用角色扮演策略。该步骤有助于规范化措辞,抵御基于排版变体或误导性措辞的对抗操纵(如长尾SEO和无意义关键词SEO)。但若攻击者能预测重写后的查询并据此定制填充攻击,该步骤可能被利用,详见第5节。

阶段二:检索信息。 此阶段LLMSE执行重写查询,收集候选参考结果及其内容以供后续处理。

(2.1)获取: 使用外部引擎(如Google、Tavily)或内部数据库获取潜在相关结果。部分LLMSE可将搜索范围限制在精选域名以提高可靠性。检索来源的多样性有助于缓解单一来源污染。

(2.2)重排序: 对每个检索内容评分并过滤相关性。重排序过程可滤除链接农场等垃圾SEO滥用,但其底层评分启发式可能无意中引入页面选择偏差,我们在4.4节进一步考察,并在第5节探讨其攻击含义。

阶段三:生成摘要。 检索后,LLMSE综合生成摘要,通常包含文内引用或参考来源以增强可信度。

(3.1)摘要生成: 生成连贯且逻辑一致的回答。除ChatGPT和Gemini外,多数LLMSE依赖外部LLM API进行内容综合,部分集成多个LLM。这提升了事实一致性并过滤垃圾或语义混淆内容,但仍易受可劫持模型注意力的对抗性文本攻击。

4 黑帽SEO攻击的韧性

由于LLMSE与传统搜索引擎相似,攻击者会直观地将既有黑帽SEO技术应用于其上。为评估传统黑帽SEO如何影响LLMSE,并剖析多阶段机制如何缓解或放大这些操纵,本节以大规模真实黑帽SEO攻击对LLMSE韧性进行全面评估。

表2:SEO-Bench中黑帽SEO攻击详情
黑帽SEO攻击查询类型分类方法数量
语义混淆 非法词SCDS 200
重定向 非法词规则检测器 200
内容伪装 非法词Dagger 200
关键词堆砌热词规则检测器 200
链接农场(SSP)热词DNS扫描器 200

4.1 实验设置

为评估LLMSE对黑帽SEO攻击的韧性,我们以Google搜索作为代表性传统搜索引擎,收集真实世界中成功的攻击。在Google上成功而在LLMSE上失败的攻击,即表明LLMSE具有韧性。所有样本均确保伦理合规与多样性。

SEO-Bench构建

为寻找黑帽SEO网站,我们首先进行文献综述,得到五类定义明确的黑帽SEO攻击技术:

  • 语义混淆: 将抄袭的合法文本与非法推广内容混合,稀释恶意意图,提升排名并规避过滤;
  • 重定向: 利用高权威站点的漏洞将用户转发至推广目标,从而继承可信站点的信誉;
  • 内容伪装: 通过请求头检测爬虫,向搜索引擎提供SEO优化内容,而向真实用户展示不同的推广或无关内容;
  • 关键词堆砌: 嵌入过量或热门词汇,虚增表面相关性,操纵排名算法;
  • 链接农场: 构建大量互链的低质量站点网络,人为抬高基于链接的权威分数。

基于这些研究,我们复现了相应工作提出的分类方法并调优各分类器,实现与评估见附录A。

随后选取合适的原始关键词查询,包括非法词和热词。非法词通常涉及违法或违禁内容相关术语,反映黑帽SEO的底层动机;我们从先前研究中提取2,499个非法词。热词包括与实际页面内容无关的流行搜索词,攻击者用以提升排名可见性;我们从Google Trends收集六个月期间(2024年11月–2025年4月)的9,301个热词。随后在Google上查询这11,800个关键词,保存前50条搜索结果,包括标题、摘要、URL、重定向链和HTML内容。从收集的超过5亿个网站中,分类器识别出1,602个有效查询–网站对。为确保各攻击类型在数据集中均衡分布,我们为五类SEO攻击各选200对。最终SEO-Bench共包含1,000个查询–网站对,表2展示数据集详情。

LLMSE防御评估

我们评估第3节介绍的九款LLMSE,排除Google AI Overview(因其可用性有限且不稳定)。对闭源LLMSE,选择具有完整搜索功能的首个版本,即gpt-4o-mini、gemini-1.5、sonar、komo。对开源LLMSE,以默认配置本地部署,并使用gpt-4o-mini作为摘要模型以确保系统间可比性。

为量化LLMSE对黑帽SEO攻击的韧性,我们评估其在不同阶段拦截目标网站的能力。SEO-Bench中每条记录是一个查询–网站对(qi, ti),其中 qi 是搜索查询,ti 是关联的黑帽SEO网站。我们用阶段特定拦截率独立评估各阶段韧性,定义为该阶段拦截的攻击占进入该阶段攻击的比例。具体而言:在理解阶段,若LLMSE分析后决定不进行检索,则攻击被拦截,表明搜索被提前拒绝;在检索阶段,若LLMSE执行了检索但SEO网站未出现在检索结果中,则攻击被拦截;在摘要阶段,若SEO网站出现在检索参考中但被排除在最终参考之外,则攻击被拦截。我们还采用累积韧性直观反映各阶段后的总体拦截效果,指标定义见附录B。

4.2 总体态势

我们评估九款LLMSE,每个查询测试三次(共27,000次请求),结果汇总于表3。

评估显示,LLMSE对黑帽SEO攻击高度有效:理解、检索、摘要三阶段分别在各自阶段拦截15.7%、98.2%和85.2%的攻击。总体累积拦截率达99.78%,其中检索阶段起决定性作用,过滤了大部分攻击,摘要阶段在输出生成前提供强有力保障。这些结果凸显了LLM系统中分层防御的重要性,使其在抵御SEO攻击方面显著优于传统搜索引擎。

表3:黑帽SEO攻击对LLMSE的表现(每项:韧性(理解)/韧性(检索)/韧性(摘要))
LLMSE总体表现语义混淆重定向内容伪装关键词堆砌链接农场
ChatGPT75.8% / – / 100%92.5% / – / 100%79.0% / – / 100%84.0% / – / 100%62.0% / – / 100%61.5% / – / 100%
Gemini16.3% / – / 99.8%38.0% / – / 99.0%4.5% / – / 100%24.0% / – / 100%3.0% / – / 100%12.0% / – / 100%
Perplexity4.6% / 98.2% / 64.7%12.0% / 94.9% / 55.6%1.5% / 99.0% / 50.0%6.0% / 97.9% / 100%0 / 100% / –3.5% / 99.0% / 50.0%
Komo4.2% / 94.9% / 67.3%0 / 83.0% / 73.5%1.0% / 99.0% / 100%20.0% / 93.8% / 50.0%0 / 100% / –0 / 98.5% / 33.3%
Open-WebUI8.1% / 96.0% / 100%12.1% / 93.1% / 100%0 / 100% / –7.7% / 91.7% / 100%0 / 100% / –17.9% / 95.7% / 100%
Khoj30.9% / 99.6% / 100%61.0% / 100% / –19.5% / 100% / –36.5% / 100% / –16.5% / 100% / –21.0% / 98.1% / 100%
Storm0 / 99.8% / 50.0%0 / 100% / –0 / 100% / –0 / 100% / –1 / 100% / –0 / 99.0% / 50.0%
Perplexica0 / 100% / –0 / 100% / –0 / 100% / –1 / 100% / –0 / 100% / –0 / – / 100% / –
GPT Researcher1.4% / 95.5% / 100%0 / 88.5% / 100%0 / 97.5% / 100%0 / 95.0% / 100%3.0% / 100% / –3.9% / 98.0% / 100%
平均韧性15.7% / 98.2% / 85.2%24.0% / 95.4% / 88.0%11.7% / 99.5% / 90.0%19.8% / 97.6% / 91.7%9.4% / 100.0% / 100.0%13.3% / 98.7% / 79.2%
累积韧性15.7% / 98.4% / 99.7%24.0% / 96.5% / 99.5%11.7% / 99.5% / 99.9%19.8% / 98.8% / 99.84%9.4% / 100.0% / 100.0%13.3% / 99.0% / 99.96%

尽管结果显示黑帽SEO技术仍能影响LLMSE,但各LLMSE间韧性差异显著。ChatGPT凭借高拒绝率不受任何黑帽SEO攻击影响。值得注意的是,开源LLMSE保持良好防御表现,因为它们选用Tavily或SearXNG等提供优化来源的搜索API。相比之下,Komo和Perplexity受影响最大。

不同黑帽SEO攻击类型对LLMSE的影响也各异。语义混淆和内容伪装对LLMSE最终输出的风险最大。例如,Komo受语义混淆严重影响,过滤率低至83.0%和73.5%;Gemini仅受语义混淆影响。相比之下,重定向和内容伪装攻击虽在某些LLMSE上通过了检索阶段,但极少进入摘要阶段,因而未能在摘要阶段实现成功攻击。此外,关键词堆砌对任何LLMSE均无影响。

发现一: LLMSE对黑帽SEO攻击表现出强韧性,累积拦截率达99.78%;检索阶段拦截绝大多数恶意查询;语义混淆对LLMSE风险最大。

4.3 理解阶段的韧性

首先测量LLMSE在理解阶段对查询的解读与重写如何帮助缓解黑帽SEO攻击。

意图拦截

收到用户查询后,LLMSE推断其意图以决定是否需要网络搜索。我们通过检查特定API字段值分析拦截机制,因ChatGPT和Gemini会明确指示是否调用“web_search”。随后人工核查这些被拒绝的查询及对应回答。结果显示,ChatGPT上75.8%的查询被拦截且无参考来源,其中30.6%因违反安全策略被拒绝,69.4%因意图误判被跳过(系统将输入视为陈述而非搜索查询)。这是因为与专用搜索引擎不同,ChatGPT等将搜索视为辅助功能的LLMSE,在能基于内部知识回答时往往不调用搜索。类似地,Gemini拦截16.3%的查询,其中67.4%为拒绝、32.6%为误判。尽管意图拦截并非为对抗SEO攻击而设计,但它能在搜索执行前附带过滤有害或非法查询,从而减少暴露于恶意内容的风险。

发现二: 意图拦截使ChatGPT等LLMSE能过滤75.8%的查询,在起点即有效阻断恶意SEO尝试,尽管这并非有意设计。

查询重写

在检索阶段执行真实搜索前,部分LLMSE会生成原始查询的精炼版本。为探究该步骤如何影响基于SEO的操纵效果,我们从五款在API响应中提供重写查询的LLMSE中提取重写关键词,并与原始输入比较。分析发现几乎所有LLMSE都倾向于重写查询。图3展示重写过程中词数的变化:例如GPT Researcher强烈倾向于扩展查询(77.56%),其他则更倾向于缩短。进一步检查系统提示表明,重写机制(如前缀/后缀修改、查询格式化、针对性语义增强)受旨在提升搜索准确性和用户体验的指令引导。

重写后词数分布

为进一步考察重写如何缓解黑帽SEO影响,我们进行了查询重写的补充验证实验(详见附录C)。将重写查询重新提交给Google搜索显示,98.16%的情况下无法检索到原始SEO网站;即使编辑距离极小(低于0.1),攻击成功率也降至10%以下,证实重写对对抗性排名的强干扰作用。这些结果表明,即使轻微的句法修改也能显著抑制曝光,说明查询重写是一种有效且轻量的对抗手段。

发现三: LLMSE的查询重写能有效干扰SEO攻击(包括长尾和关键词堆砌);即使微小修改也能将攻击成功率降至10%以下。

4.4 检索阶段的韧性

接着测量检索阶段的获取与重排序如何帮助缓解黑帽SEO攻击。

获取偏好

LLMSE可在获取时限制搜索范围,因此我们考察其返回链接是否比传统引擎质量更高。使用域名排名,我们分析从热门查询收集的检索参考。如图4所示,多数LLMSE偏好高排名域名,前5k链接出现频率高于低排名链接。例如,ChatGPT的权威链接占比比Google高近50%。相比之下,Khoj和Perplexica等LLMSE因幻觉URL导致超过60%的不可靠链接。然而,优先权威来源虽提升结果可靠性并降低SEO风险,过度信任高排名域名也可能引入新漏洞,如恶意重定向或针对信誉站点的评论攻击。

传统搜索引擎与LLMSE检索参考的域名排名占比

发现四: LLMSE获取时偏好权威网站提升了整体搜索质量,但也凸显高排名来源被攻陷的风险。

重排序偏好

获取网页内容后,LLMSE常依据内部定义的质量评估标准对其重排序。为探究该偏好,我们考察同时出现在Google搜索结果和LLMSE中的链接的排名变化。对每个同时出现在两组结果中的链接,计算其在各自系统内的相对排名变化:

公式(1): ΔRelRanki = RankLLMi − RankGooglei

其中 RankGooglei 表示第 i 个链接在Google搜索结果重叠链接集中的相对排名,RankLLMi 表示其在LLMSE结果中的相对排名。为进一步揭示LLMSE采用的重排序标准,我们将相对排名上升(ΔRelRanki < 0)的网站归类为上升站点,相对排名下降(ΔRelRanki > 0)的归类为下降站点。随后分析网站的若干常见特征,计算平均值及差异率,汇总于表4。

表4:重排序网站的差异特征
特征上升均值下降均值差异P值
文本碎片化60.0950.48+19.04%0.0100
DOM深度13.9312.51+11.36%0.0036
标签多样性22.6122.27+1.543%0.8674
外部链接数14.7115.81-6.971%0.9901
内部链接数45.6639.74+14.89%0.0003
多模态资源数12.5010.53+18.71%0.0292
Meta完整性0.41670.4196-0.6911%0.8809
Alt覆盖率0.28990.2873+0.9050%0.8540

注:P值<0.05视为统计显著。

结果表明,在LLMSE中排名上升的网站通常表现出更高的文本碎片化程度(+19.04%)和更多的多模态资源(+18.71%)。结构上,它们往往内部链接更密集(+14.89%)、DOM深度更大(+11.36%),反映更高的格式复杂度。这些差异提示了一组可能影响LLMSE偏好的因素,我们将在第5节通过受控实验进一步检验其实际影响。

发现五: 重排序过程中,LLMSE倾向于偏好内容质量更高、内容更丰富的网页。

4.5 摘要阶段的韧性

最后测量摘要阶段的摘要拦截。

摘要拦截

为评估LLMSE在摘要生成期间抵御非法推广的韧性,我们考察其从非法查询中过滤恶意内容的能力。使用非法网站分类器(附录A)测量检索和摘要阶段非法参考的比例,并分析回答语义以确定多少非法链接污染了生成的摘要。如表5所示,LLMSE随生成推进逐步拦截恶意内容。摘要阶段平均比检索阶段多移除75.3%的非法链接,Open-WebUI降幅最大(97.9%)。此外,从摘要参考到回答内容又拦截了70.8%的非法内容。这些结果表明LLMSE普遍偏好中性或正面内容,主动抑制涉及暴力、色情或其他有害材料的输出,反映其内置安全机制与规范标准的对齐。

表5:不同阶段的非法比例
LLMSE检索参考摘要参考(δ)摘要内容(δ)
ChatGPT–2.00% (-)2.00% (0.0%)
Gemini–0.00% (-)0.00% (0.0%)
Komo4.36%1.53% (↓64.9%)0.28% (↓81.7%)
Perplexity0.69%0.35% (↓49.3%)0.00% (↓100.0%)
GPT Researcher10.07%3.48% (↓65.4%)1.55% (↓55.5%)
Perplexica1.24%0.19% (↓84.7%)0.00% (↓100.0%)
Khoj1.27%0.05% (↓96.1%)0.00% (↓100.0%)
Open-WebUI10.98%0.23% (↓97.9%)0.00% (↓100.0%)
Storm1.61%0.50% (↓69.0%)0.00% (↓100.0%)
平均4.89%0.92% (↓75.3%)0.43% (↓70.8%)

我们进一步分析摘要阶段被拦截的SEO攻击,包括语义混淆和内容伪装。此类页面常含无关或混合内容,削弱与查询的语义相关性。例如,混淆攻击可能在合法文本中嵌入非法推广以提升可信度;它们表面良性,却偏离非法意图,因而被排除在摘要之外。这表明,除拒绝有害内容外,LLMSE优先选择与查询意图语义一致的来源,进一步缓解SEO攻击。

发现六: LLMSE在摘要中偏好良性且语义一致的内容,额外拒绝75.3%的非法网站;该策略进一步缓解非法内容威胁及语义混淆等攻击的影响。

5 LLMSEO攻击

基于上述发现,我们提出并评估针对LLMSE的新型端到端攻击,超越以往仅关注排名或摘要组件的工作。

5.1 LLMSEO攻击技术

由于LLMSE工作流的每个阶段(理解、检索、摘要)暴露不同的安全风险,我们设计阶段特定的LLMSEO攻击策略,系统评估和操纵这些脆弱性。

攻击理解阶段

此阶段重写引入歧义并易受操纵。为利用该脆弱性,我们设计针对性攻击:

  • 重写查询填充: 在网页中大量嵌入可能的重写查询。由于多数LLMSE可能不总是使用原始搜索键进行检索(第3节),预测可能的新查询并插入网页内容可提高被匹配的概率。

注意,提示注入虽是该阶段重要攻击向量(见第3节),但其影响已被充分研究且高度依赖提示,故不纳入实验。

攻击检索阶段

旨在提高重排序优先级,受发现五启发,我们提出与评分机制对齐的新技术:

  • 内部链接: 在网页中嵌入大量内部链接构建网络,同时增加指向关键页面的链接数。
  • 多模态资源: 在网页中加入多模态资源(文本、图像、视频),提升丰富度和感知可信度。
  • 嵌套结构: 使用更适合检索的结构化标签和索引,增强内容可读性和可访问性,帮助LLMSE快速定位和提取关键信息,在候选选择中占据优势。
  • 分段文本: 缩短单个文本段长度,较短文本通常更适合直接引用。

攻击摘要阶段

为影响此阶段,我们设计针对相关性和格式的优化策略:

  • 相关性增强: 聚焦核心关键词,增强文本与查询的语义相关性和连贯性。
  • 问答格式化: 以问答(Q&A)形式、采用LLM生成回答的对话语气呈现内容,提高被LLMSE直接复用的可能性。

5.2 有效性评估

为检验这些LLMSE攻击技术影响LLMSE的适用性,我们开展竞争性实验,在真实条件下比较各攻击策略的效果。

方法

为评估不同LLMSE攻击技术的有效性,我们在受控域名下部署博客网站,每个推广同类产品中的不同品牌。随后使用域名限制提示(附录D)向LLMSE查询产品推荐,记录与每种攻击技术关联的推荐站点比例。该限制减少真实搜索污染引发的伦理问题,同时实现技术间公平比较。出现次数越高,表明相应操纵与LLMSE偏好越契合。

为缓解LLMSE响应随机性的影响,每个LLMSE重复查询10次,汇总各站点在回答中出现的总次数。除七种LLMSE攻击类型外,另设一个非SEO和一个传统SEO攻击(即语义混淆,第4.2节表现最佳)作为基线比较。每种攻击类型创建50个网站,实验共涉及450个对抗性网站。为确保伦理合规,所有网站均标注“仅供测试”,实验结束后下线,确保长期影响最小同时保持真实测试的完整性。

注:值得注意的是,gpt-4o-mini和gemini-1.5在本实验中拒绝访问所有提供的URL,可能因更严格的内容获取策略。

实施

我们在各类网站上实施这些LLMSE攻击。具体而言,首先用同一模式生成一组产品(“品牌”+“实体”名词),并用gpt-4o-mini生成基础内容。同样用该模型进行重写查询填充,生成重写查询并嵌入网页。对内部链接,在该类型50个网站间嵌入超链接,在“有用链接”区块形成互链。对多模态资源,将基础网站内容中的图片数量翻倍以增加视觉丰富度。对嵌套结构,增加一层子标题,从二级扩展到三级标题以增加结构复杂度。对分段文本,将平均段落长度减半重构内容,形成更多分段文本块。对相关性增强,移除无关部分(如团队介绍),增加产品描述。对问答格式化,每段前加一个问题,后接对应回答块以模拟问答格式。对语义混淆,在未修改的新闻内容中插入推广片段。

结果

表6展示LLMSEO攻击在LLMSE上的表现,每行显示特定攻击类型在所有成功攻击中的比例。总体而言,所有提出的攻击在LLMSE上均表现出可测量的有效性,每种攻击至少在一种LLMSE上超过基线。在所有攻击中,针对检索阶段的攻击更有效。分段文本在多数LLMSE平台上攻击效果最高,在Perplexica和GPT Researcher上曝光率超过50%,表明LLMSE更善于理解简短和分段内容。第二有效的是重写查询填充,在五款LLMSE上将曝光率较基线翻倍,凸显其对下游结果的强影响力。

表6:LLMSEO攻击对LLMSE的成功率(每行百分比表示特定方法在所有成功攻击中的占比;加粗为最有效攻击,↑表示摘要阶段较检索阶段提升最大的攻击)
LLMSE暴露阶段基线(空白)语义混淆重写查询填充内部链接多模态资源嵌套结构分段文本相关性增强问答格式化
Perplexity检索7.29%0.00%19.79%10.42%8.33%6.25%28.12%11.46%8.33%
摘要0.00%0.00%25.00%12.50%12.50%0.00%37.50%↑12.50%0.00%
Komo检索8.33%0.00%23.96%10.42%9.38%1.04%30.21%10.42%6.25%
摘要2.44%0.00%26.83%2.44%4.88%0.00%41.46%↑14.63%7.32%
Open-WebUI检索9.09%2.60%27.27%2.60%3.90%11.69%28.57%0.00%14.29%
摘要0.00%0.00%0.00%0.00%1.00%0.00%0.00%0.00%0.00%
Khoj检索12.38%3.47%16.34%4.95%6.93%26.73%17.33%4.46%7.43%
摘要15.29%1.18%16.47%4.71%2.35%30.59%22.35%↑1.18%5.88%
Storm检索13.9%1.36%23.71%10.08%9.26%15.80%9.54%4.90%11.44%
摘要14.03%0.45%16.29%10.86%11.31%19.91%↑8.14%5.88%13.12%
Perplexica检索20.25%0.00%7.59%5.06%3.8%7.59%45.57%10.13%0.00%
摘要19.35%0.00%0.00%6.45%3.23%6.45%51.61%↑12.9%0.00%
GPT-Researcher检索0.00%0.00%21.74%2.17%6.52%0.00%65.22%0.00%4.35%
摘要0.00%0.00%24.32%2.70%↑8.11%0.00%59.46%0.00%5.41%

我们进一步比较各阶段的攻击比例以评估各阶段过滤效果。由于摘要阶段比例是检索过滤后的结果,我们聚焦两阶段间攻击有效性差异以捕捉摘要拦截。表6中标注了摘要阶段攻击比例的显著上升。内容驱动策略(如分段文本和相关性增强)明显增长,而语义混淆及基于链接和资源的策略(内部链接、多模态资源)趋于下降。这一转变表明,在摘要阶段,LLMSE更多受内容质量而非外部资源结构影响,凸显内容层面操纵的重要性。

6 讨论

安全启示

LLMSE在信息检索中的应用重塑了用户信任和黑帽SEO威胁格局。用户过度依赖LLMSE生成的摘要和参考来源,视其为权威,当恶意内容和链接被纳入可信输出时风险被放大。在传统黑帽SEO基础上,攻击者正日益调整策略以适应LLMSE的内部偏好,将内容操纵从孤立优化转向系统级对抗交互。随着LLMSE采用增长,此类弱点可能逐渐扭曲网络的信誉结构,凸显及时构建强健防御以支撑健康信息生态和持续用户信任的必要性。

缓解措施

为缓解本研究发现的问题,LLMSE防御应在整个工作流中按阶段强化。在理解阶段,分析查询重写和意图解读的稳定性有助于检测刻意对齐重写行为的输入;如PoisonedRAG所示的基于改写的过滤可对抗RAG系统中的污染尝试。在检索阶段,缓解应超越静态域名权威,纳入基于行为的信号(如重定向模式和跨查询参考一致性)以识别被滥用的高信誉来源。在摘要阶段,需针对检索页面中嵌入的、可能使摘要偏好偏移的提示或文本操纵增加额外防护。此外,用户意识和透明度功能(如链接来源或可信度指标)对减少对生成输出的过度依赖、促进批判性内容验证至关重要,共同增强LLMSE生态的韧性。

局限性

我们的评估聚焦于按用户规模和热度选取的十款代表性LLMSE,此范围之外的其他系统可能表现出更强韧性。出于伦理原因,我们实施的LLMSEO攻击经过有意简化和有限时长部署;真实攻击者可能采用更复杂或持久的方法,多种策略的组合效应尚未探索。

7 结论

本文首次对LLM增强搜索引擎(LLMSE)进行系统性安全分析,揭示黑帽SEO如何持续影响其行为。通过分析各阶段的特定偏好和弱点,我们展示了利用这些脆弱性的有效LLMSEO攻击,为更安全、更具韧性的AI驱动搜索系统提供了见解。

附录A 黑帽SEO网站分类器

A.1 实现

对五类攻击,我们复现现有工作的方法进行半自动检测,具体实现如下:

语义混淆。 使用两个模型完成任务:(1)上下文语义分类器,预测网页属于14个良性主题的概率,输出prob_14;(2)恶意网页分类器,预测网页为恶意的概率,输出prob_malicious。两模型均基于TextCNN架构:词表大小=10,000;最大序列长度=500;嵌入维度=128;卷积核尺寸=;每种尺寸卷积核数=128;池化层=GlobalMaxPooling1D;Dropout率=0.5;优化器=Adam;批大小=64。

判定:max(prob_14) > 0.9 且 prob_malicious > 0.9。

重定向。 识别两类重定向:(1)信誉域名重定向至恶意内容(非法搜索关键词 + Tranco前10,000域名或教育/政府域名 + 重定向 + 跳转至恶意网站);(2)良性搜索重定向至恶意内容(热门搜索关键词 + 重定向 + 跳转至恶意网站)。恶意网站分类模型使用与语义混淆相同的恶意网页分类器,输出prob_malicious。

表7:重定向分类器评估指标
预测正预测负合计
实际正77481
实际负2396119
合计100100200

准确率:86.6%;精确率:77.0%;召回率:95%;F1:87.74%

表8:内容伪装分类器评估指标
预测正预测负合计
实际正9921120
实际负17980
合计100100200

准确率:89.0%;精确率:99.0%;召回率:82.5%;F1:89.4%

表9:关键词堆砌分类器评估指标
预测正预测负合计
实际正87592
实际负1395108
合计100100200

准确率:91.0%;精确率:87.0%;召回率:94.6%;F1:90.6%

表10:语义混淆分类器评估指标
预测正预测负合计
实际正89089
实际负11100111
合计100100200

准确率:94.5%;精确率:89.0%;召回率:100.0%;F1:94.18%

表11:链接农场分类器评估指标
预测正预测负合计
实际正92395
实际负897105
合计100100200

准确率:94.5%;精确率:92.0%;召回率:96.8%;F1:94.3%

附录B 评估指标

公式(2): Resilience(Und) = |{(qi,ti) | 重写查询(qi) = ∅}| / |{(qi,ti)}|

公式(3): Resilience(Ret) = |{(qi,ti) | ti ∉ 检索参考(qi)}| / |{(qi,ti) | 重写查询(qi) ≠ ∅}|

公式(4): Resilience(Sum) = |{(qi,ti) | ti ∉ 摘要参考(qi)}| / |{(qi,ti) | ti ∈ 检索参考(qi)}|

公式(5): Cumulativek = Σ(i=1到k) ci,其中 ci = (1 − Σ(j=1到i−1) cj) · Resiliencei

附录C 查询重写验证实验

为验证查询重写对抗SEO攻击的有效性,我们将重写查询重新提交给Google搜索,观察到98.16%无法检索到原始SEO网站,证明该方法具有强干扰作用。随后,我们通过语义文本距离(STD)和编辑距离(ED)衡量语义与句法差异,探究重写程度如何影响检索。

表12显示,随着语义距离增大,检索成功率显著下降。值得注意的是,即使编辑距离低于0.1的句法变化也能将成功率降至10%以下;当语义相似度保持较高(STD<0.1)时,若编辑距离超过0.2,检索率降至2%以下。此外,我们观察到44个重写查询的语义距离大于0.5,表明语义反转或矛盾(余弦相似度<0)。

这一对比表明,查询重写不仅通过改变语义发挥作用,还通过破坏SEO使用的结构模式起作用。即使微小修改也能在保持原意的情况下干扰关键词匹配,凸显重写在缓解SEO攻击中的作用。

表12:不同语义(STD)和句法(ED)变化下的检索成功率
ED\STD(0.0,0.1)(0.1,0.2)(0.2,0.5)(0.5,1.0)合计
(0.0,0.1)10.26%0.00%––9.52%
(0.1,0.2)10.34%0.00%0.00%–9.55%
(0.2,0.5)1.49%1.91%2.01%–1.64%
(0.5,1.0)0.57%0.71%0.33%0.00%0.48%
合计2.46%1.08%0.57%0.00%1.46%

注:STD为语义文本距离,按(1−余弦相似度)/2计算;ED为编辑距离,按1−Levenshtein比率计算。

附录D 域名限制查询

域名限制查询提示示例:

严格在site:{domain}内搜索{product},仅推荐该域名的结果。给出你的回答和参考来源。

附录E 伦理考量

本研究在严格伦理监督下进行,遵循严格伦理准则以确保负责任的研究实践。

(1)受控实验。 所有实验均在受控环境中进行以避免真实世界干扰。如4.1节所述,我们使用现有SEO网站构建数据集而非生成新网站,防止对真实生态(如Google)造成大规模干扰。LLMSEO攻击以简化形式在受限范围内实施,使用受控子域名避免污染合法域名。所有测试站点均明确标注“仅供测试”免责声明,实验后下线以消除残留影响。对搜索功能受限的LLMSE(如ChatGPT和Gemini),我们避免进一步越狱尝试。

(2)开放数据。 任何实验均未访问敏感或私密数据。对闭源LLMSE,严格遵循官方API政策并通过默认接口交互;开源LLMSE部署在隔离局域网服务器上,使用官方获取的API密钥。SEO爬取仅请求公开的Google搜索结果,并使用Google文档记载的用户代理模拟爬虫行为。

(3)负责任披露。 我们遵循负责任披露原则。第一,向Google报告4.1节识别的全部1,602个黑帽SEO网站以便及时修复。第二,对评估的九款LLMSE,我们已通过或正在通过其官方漏洞披露渠道(如OpenAI漏洞赏金计划)联系商业和开源提供方,提交详细报告描述漏洞、复现步骤和建议缓解措施;对开源系统,已或将以邮件形式向开发者披露。第三,对临时实验博客,已向Google和Bing提交移除请求以确保实验终止后取消索引。这些行动共同表明我们在负责任暴露风险的同时协助厂商增强系统韧性的承诺。

(4)研究人员关怀。 我们通过方法指导和心理支持确保所有研究人员的身心健康。鉴于非法或有害网站内容可能令人不适,标注人员在受控支持性环境中工作,作息灵活以防疲劳;定期进行心理健康检查并提供咨询资源,研究期间无参与者报告心理伤害或过度压力。

未经允许不得转载:烟雨SEO » 揭秘LLM增强搜索引擎对黑帽SEO技术的韧性:传统攻击拦截率99.78%

唯一QQ:81047380 微信号:yanyuseo

QQ扫一扫,加我好友

微信扫一扫,加我好友

QQ咨询 QQ扫一扫QQ号 点击复制QQ号:81047380 微信咨询 微信扫一扫微信号 点击复制微信号:yanyuseo 关注抖音 扫码关注抖音抖音号 点击复制抖音号:heimaoseo 𐆄关注公众号 关注微信公众号微信公众号 点击复制公众号:烟雨黑帽SEO