# CrowdStrike rapporte un contournement des classificateurs de sécurité par combinaison de requêtes

- Link: https://dpioch.aristeecampus.org/veille/soc-a190ce15f6b95f8c8fa303fbe76b033701bbb74651107183afb264016838a53b/
- Published: 2026-10-07T18:56:40+02:00
- Author: Admin

[⌊Capture réelle de la page source : CrowdStrike — blog⌉⌊Capture réelle de la page
source : CrowdStrike — blog⌉[

Capture du blog CrowdStrike montrant l’article « Attackers Can Evade LLM Safety 
Classifiers », publié le 6 octobre 2026 par Donato Onofri et Paul Urian dans la 
catégorie Securing AI. Capture du 7 octobre 2026. [Consulter la source](https://www.crowdstrike.com/en-us/blog/how-attackers-can-bypass-llm-safety-classifiers/)

CrowdStrike affirme avoir contourné un classificateur de sécurité en décomposant
des objectifs offensifs en requêtes bénignes, puis en assemblant les réponses avec
un autre modèle. Ces résultats annoncés par l’éditeur ne sont pas recoupés dans 
le dossier.

 Type Annonce éditeur

 Date de la source 6 octobre 2026 à 07:00

 Date de collecte 7 octobre 2026 à 18:34

 Confiance Moyenne (annonce éditeur, non recoupée)

## Faits

CrowdStrike indique avoir testé environ 515 techniques distinctes sans obtenir de
contournement direct du classificateur.

Selon CrowdStrike, le classificateur évalue les requêtes isolément, et non leur 
succession. L’éditeur décrit un contournement qui consiste à extraire des éléments
par des sous-tâches bénignes, puis à les assembler avec un modèle plus petit dépourvu
de classificateur.

CrowdStrike annonce que ses essais de la chaîne complète ont produit du code d’exploitation
fonctionnel dans neuf des dix catégories de sécurité offensive alignées sur MITRE
ATT&CK.

CrowdStrike indique que la catégorie de contournement des EDR par neutralisation
des mécanismes de surveillance à l’exécution a résisté à cette chaîne. L’éditeur
attribue ce résultat à un blocage du concept, et pas seulement des mots-clés.

## Analyse SOC

_Interprétation et pistes de travail, distinctes des faits documentés._

 * Interprétation SOC : ces résultats suggèrent qu’une évaluation limitée à chaque
   requête pourrait ne pas suffire à apprécier le risque d’un assemblage ultérieur.
   Pour un SOC supervisant des usages de modèles, examiner les séquences pourrait
   donc être pertinent, sous réserve de disposer du contexte nécessaire.
 * Interprétation SOC : la réussite annoncée dans plusieurs catégories constitue
   un résultat d’essai de l’éditeur, pas une preuve de campagne offensive observée.
   Elle ne devrait pas être présentée comme une exploitation active ou une compromission
   confirmée.
 * Interprétation SOC : une corrélation des requêtes chez un seul fournisseur pourrait
   conserver des angles morts si les demandes sont réparties entre fournisseurs 
   ou associées à des modèles locaux. La portée de cette surveillance devrait être
   appréciée selon la visibilité réellement disponible.

## Remédiation et actions documentées

 * CrowdStrike propose d’envisager une accumulation sémantique entre requêtes, afin
   de signaler les demandes récentes d’une même clé API qui, ensemble, correspondent
   à un schéma de composition nuisible. L’éditeur précise que cette piste présente
   des limites structurelles.

## Limites et points à vérifier

 * Les résultats proviennent d’une annonce de CrowdStrike non recoupée dans le dossier;
   ils ne constituent pas une validation indépendante.
 * Le dossier ne fournit pas de preuve d’exploitation active ni de compromission
   confirmée liée à cette méthode.
 * Le texte fourni est tronqué à la fin et ne permet pas de vérifier l’intégralité
   de la publication.

## Sources

 * [CrowdStrike — blog](https://www.crowdstrike.com/en-us/blog/how-attackers-can-bypass-llm-safety-classifiers/)

Extraits utilisés pour contrôler la synthèse

 1. > We tested approximately 515 distinct bypass techniques, including encodings, 
    > psychological manipulation, multi-turn escalation, many-shot tactics, tokenizer
    > exploits, Unicode tricks, and 24 novel approaches drawn from cognitive science.
    > These techniques achieved a 0% direct bypass rate .
 2. > The classifier evaluates individual requests , not request sequences. An adversary
    > that decomposes a harmful task into subtasks that are individually and genuinely
    > benign can extract all necessary building blocks from the classified model, then
    > assemble them using an unclassified smaller model.
 3. > We tested the complete pipeline across 10 MITRE ATT&CK-aligned offensive security
    > categories. Nine produced working exploit code.
 4. > One category resisted the pipeline: Defense (EDR) Evasion (runtime security hook
    > neutralization). Unlike other categories, the classifier blocks this technique
    > class at the conceptual level, not just keyword level.
 5. > Cross-request semantic accumulation (flagging when an API key’s recent requests
    > jointly cover a harmful-composition template) is a natural mitigation to consider.
    > However, it has structural bounds: an attacker can distribute subtask queries
    > across different providers, use local open-weight models for orchestration and
    > assembly, or simply rotate API keys.

Synthèse préparée et contrôlée par un agent IA (openai-codex/gpt-6.1-sol) orchestré
par Hermes et n8n et publiée directement après double contrôle factuel. [Méthode et limites](https://dpioch.aristeecampus.org/methode-de-veille/).