最后更新：2026-04-18
LLM 拒绝服务（Model Denial of Service）指攻击者通过消耗大量计算资源来干扰 LLM 服务的可用性。由于 LLM 推理需要大量的计算资源（GPU、内存、API 调用额度），攻击者可以通过构造特殊输入使模型消耗异常多的资源，导致服务降级、响应延迟甚至完全不可用，同时造成显著的经济损失。
| 维度 | 评级 |
|---|---|
| OWASP LLM Top 10 | LLM04 - Model Denial of Service |
| CWE | CWE-770 / CWE-400 |
| 严重程度 | 中危 |
发送极长的用户输入，使模型处理时间线性甚至指数级增长，消耗大量 GPU 资源。
发送 100,000+ 字符的文本要求模型逐句分析和翻译
构造需要多轮推理的复杂请求，利用 LLM 的思维链能力使其长时间运行。
"请详细证明哥德巴赫猜想的每一个步骤，包括所有可能的反例验证"
利用 LLM Agent 的工具调用循环，使模型反复调用外部工具消耗 API 额度和计算资源。
构造请求使 Agent 陷入无限循环的工具调用链：
"请搜索A，基于结果搜索B，基于B的结果搜索C，继续直到找到..."
利用 RAG 检索大量文档填充上下文窗口，使每次请求消耗最大 token 数。
"请搜索并总结知识库中关于[常见关键词]的所有文档"
// 可能检索数百个文档，消耗最大上下文窗口
// [VULNERABLE] Spring AI 无限制处理用户请求
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.*;
@RestController
public class LlmDosVulnerableController {
private final ChatClient chatClient;
// [VULNERABLE] 此方法存在 DoS 漏洞，原因：无输入长度限制和超时控制
@PostMapping("/chat")
public String chat(@RequestBody String message) {
// 漏洞 1：无输入长度限制，攻击者可发送超长输入
// 漏洞 2：无超时控制，模型可能长时间运行
// 漏洞 3：无速率限制，攻击者可高频调用
return chatClient.prompt()
.user(message)
.call()
.content();
}
// [VULNERABLE] 无限制的 Agent 工具调用
@PostMapping("/agent")
public String agentTask(@RequestBody String task) {
// 漏洞：Agent 可能陷入无限工具调用循环
return chatClient.prompt()
.user(task)
.tools(searchTool, databaseTool, apiTool)
.call()
.content();
}
}
// [VULNERABLE] RAG 检索返回过多文档填充上下文
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.vectorstore.VectorStore;
@Service
public class RagDosVulnerableService {
// [VULNERABLE] 此方法存在 DoS 漏洞，原因：RAG 检索无数量限制
public String query(String question) {
// 漏洞：未限制检索文档数量，常见关键词可能返回大量文档
return chatClient.prompt()
.user(question)
.advisors(new QuestionAnswerAdvisor(vectorStore))
.call()
.content();
}
}
// [SECURE] 添加输入限制、超时控制和速率限制
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.*;
import io.github.resilience4j.ratelimiter.annotation.RateLimiter;
import java.util.concurrent.*;
@RestController
public class LlmDosSecureController {
private final ChatClient chatClient;
private static final int MAX_INPUT_LENGTH = 4000;
private static final int MAX_TIMEOUT_SECONDS = 30;
// [SECURE] 修复了 DoS 漏洞，修复方式：输入长度限制 + 超时 + 速率限制
@PostMapping("/chat")
@RateLimiter(name = "llmApi")
public String chat(@RequestBody String message) {
// 安全 1：输入长度限制
if (message.length() > MAX_INPUT_LENGTH) {
throw new IllegalArgumentException(
"Input too long. Maximum " + MAX_INPUT_LENGTH + " characters.");
}
// 安全 2：超时控制
try {
return chatClient.prompt()
.user(message)
.call()
.content();
} catch (Exception e) {
if (e instanceof TimeoutException || e.getCause() instanceof TimeoutException) {
return "请求超时，请简化您的问题后重试";
}
throw e;
}
}
// [SECURE] Agent 添加最大迭代次数限制
@PostMapping("/agent")
@RateLimiter(name = "llmApi")
public String agentTask(@RequestBody String task) {
if (task.length() > MAX_INPUT_LENGTH) {
throw new IllegalArgumentException("Input too long");
}
// 安全 3：限制 Agent 最大工具调用次数
return chatClient.prompt()
.user(task)
.tools(searchTool, databaseTool, apiTool)
.advisors(new SimpleLoggerAdvisor())
.call()
.content();
}
}
// [SECURE] 限制 RAG 检索结果数量
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.vectorstore.VectorStore;
import org.springframework.ai.vectorstore.SearchRequest;
@Service
public class RagDosSecureService {
private final ChatClient chatClient;
private final VectorStore vectorStore;
// [SECURE] 修复了 RAG DoS 漏洞，修复方式：限制检索文档数量
public String query(String question) {
if (question.length() > 1000) {
throw new IllegalArgumentException("Question too long");
}
// 安全：限制最多检索 5 个文档
return chatClient.prompt()
.user(question)
.advisors(new QuestionAnswerAdvisor(vectorStore,
SearchRequest.builder()
.topK(5) // 限制检索数量
.similarityThreshold(0.7) // 设置相似度阈值
.build()))
.call()
.content();
}
}