OWASP Top 10 LLM-sovelluksille 2026: kaikki 10 riskiä selitettynä
Päivitetty November 19, 2026Lukuaika: 6 minuuttia
OWASP Top 10 LLM-sovelluksille on OWASP GenAI Security Projectin lista kriittisimmistä tietoturvariskeistä sovelluksissa, jotka perustuvat suuriin kielimalleihin (LLM). Vuoden 2026 versio julkaistiin elokuussa 2026 (sen resurssisivu on päivätty 3. elokuuta), ja se julkistettiin 1. syyskuuta 2026. Tämä opas luettelee kaikki kymmenen kohtaa virallisine tunnuksineen, selittää jokaisen lyhyesti, antaa yhden käytännön hallintakeinon kullekin kohdalle ja kokoaa yhteen, mikä muuttui vuodesta 2025.
Projektin vetäjien avauskirje asettaa sävyn: ”Lopeta yrittämästä rakentaa mallia, jota ei voi huijata. Rakenna järjestelmä sen ympärille niin, että kun malli huijataan, ja niin käy, mitään tärkeää ei hajoa.”
Miten vuoden 2026 lista koottiin
Aiemmat versiot perustuivat alan ammattilaisten arvioihin. Vuonna 2026 OWASP myös vertasi yhteisön äänestyksen tuloksia aineistoon, jossa oli 7714 todellista tapausta julkisista haavoittuvuustietokannoista ja tekoälyn aiheuttamia haittoja kokoavasta tietokannasta. Niistä 6639 sisälsi tarpeeksi yksityiskohtia luokittelua varten. Äänestyksen paino on kolme neljäsosaa ja tapausdatan neljäsosa. Lähteet eivät aina olleet samaa mieltä: pelkkien tapausmäärien mukaan kehoteinjektio putoaa top 10:n ulkopuolelle, minkä OWASP selittää ”puolustusvaikutuksella”: tiimit torjuvat sitä tarmokkaasti, joten julkisiin tietokantoihin päätyy vähemmän puhtaita hyväksikäyttöjä. Misinformation kulki toiseen suuntaan: äänestäjät sijoittivat sen lähelle häntäpäätä ja tapausdata lähelle kärkeä, ja näyttö nosti sen seitsemänneksi.
Vuoden 2026 lista yhdellä silmäyksellä
| Kohta 2026 | Sija 2025 |
|---|---|
| LLM01:2026 Prompt Injection | 1 |
| LLM02:2026 Sensitive Information Disclosure | 2 |
| LLM03:2026 Excessive Agency | 6 |
| LLM04:2026 Supply Chain | 3 |
| LLM05:2026 Data and Model Poisoning | 4 |
| LLM06:2026 Unbounded Consumption | 10 |
| LLM07:2026 Misinformation | 9 |
| LLM08:2026 Hidden Context Exposure | 7 (nimellä System Prompt Leakage) |
| LLM09:2026 Vector and Embedding Weaknesses | 8 |
| LLM10:2026 Improper Output Handling | 5 |
Vuoden 2025 sijat ovat OWASP:n vuoden 2025 listalta.
LLM01:2026 Prompt Injection (kehoteinjektio)
Syöte, joka muuttaa mallin toimintaa tavoilla, joita kehittäjä ei tarkoittanut, tuli se sitten käyttäjältä, asiakirjasta, työkalun tuloksesta, kuvasta tai muistista. Kohta kattaa nyt myös modaliteettien väliset hyökkäykset, joissa ohjeet piilotetaan kuviin tai ääneen. Hallintakeino: pidä tunnistetiedot ja tilaa muuttavat toimet sovelluskoodissa ja anna mallille vain vähimmät oikeudet kuhunkin toimintoon. Kehoteinjektiota käsittelevä oppaamme käy tämän kohdan läpi perusteellisesti.
LLM02:2026 Sensitive Information Disclosure (arkaluontoisen tiedon paljastuminen)
Luottamuksellisten tai säänneltyjen tietojen vuotaminen minkä tahansa kanavan kautta: vastauksen, työkalukutsujen argumenttien, päättelyjälkien, haettujen tekstipalojen, lokien tai upotusten. OWASP mainitsee liiallisen jakamisen jo ylävirrassa, kuten rajaamattomat jaetut asemat, jotka syöttävät dataa RAG-indeksiin (retrieval-augmented generation), yhtenä kahdesta virheestä useimpien tapausten taustalla. Hallintakeino: tarkista käyttöoikeudet ennen hakua ja valvo asiakirja- ja tekstipalatason pääsyä itse indeksikyselyssä.
LLM03:2026 Excessive Agency (liiallinen toimivalta)
Vahingolliset toimet, jotka tehdään odottamattoman, monitulkintaisen tai manipuloidun mallin tuotoksen perusteella. Perimmäiset syyt ovat liiallinen toiminnallisuus, liialliset käyttöoikeudet tai liiallinen autonomia. OWASP:n mukaan agenttisissa järjestelmissä se voi näkyä työkalujen väärinkäyttönä, identiteetin ja oikeuksien väärinkäyttönä tai ketjuuntuvina virheinä. Hallintakeino: minimoi työkalut ja niiden oikeudet (sähköpostin tiivistystyökalu tarvitsee vain lukuoikeuden postiin) ja vaadi ihmisen hyväksyntä vaikutuksiltaan suurille toimille.
LLM04:2026 Supply Chain (toimitusketju)
Riskit kolmansien osapuolten malleissa, datajoukoissa, LoRA:n kaltaisissa adaptereissa, muunnosputkissa ja paketeissa, mukaan lukien ”slopsquatting”, jossa hyökkääjät rekisteröivät pakettinimiä, joita koodausavustajat hallusinoivat. Hallintakeino: kiinnitä malliartefaktit muuttumattomaan tiivisteeseen (digest) muuttuvan tagin sijaan, varmenna allekirjoitukset ja tarkista, että tekoälyn ehdottamat riippuvuudet ovat olemassa ennen kuin asennat ne.
LLM05:2026 Data and Model Poisoning (datan ja mallin myrkyttäminen)
Manipuloitu data tai manipuloidut malliartefaktit, jotka upottavat takaovia tai vinoumia esikoulutuksen, hienosäädön, upotusten luomisen tai jakelun aikana. Myrkyttäminen voi olla halpaa: Souly ym. (2025) havaitsivat, että 250 myrkytettyä asiakirjaa riitti vaarantamaan mallit, joissa oli 600 miljoonasta 13 miljardiin parametria, datajoukon koosta riippumatta. Hallintakeino: seuraa datan ja mallien alkuperää, versioi datajoukkosi ja käsittele keskustelupohjia, tokenisoijan asetuksia ja adaptereita koodina, joka on allekirjoitettava ja varmennettava.
LLM06:2026 Unbounded Consumption (rajoittamaton kulutus)
Hallitsematon inferenssi, joka aiheuttaa käyttökatkoja, karkaavia kustannuksia (”denial of wallet”) tai mallin varastamisen ekstraktiohyökkäysten avulla. Päättelymallit, multimodaaliset syötteet ja agenttien työkalusilmukat pahentavat ongelmaa. Hallintakeino: kovat kulukatot, jotka pysäyttävät inferenssin, sekä agenttien katkaisijat (circuit breakers), joissa on rajat askelten määrälle, rekursiolle, ajalle ja ajokohtaisille kustannuksille.
LLM07:2026 Misinformation (virheellinen tieto)
Virheellinen tai perusteeton tuotos, joka näyttää niin uskottavalta, että sen perusteella toimitaan. Agenttisissa järjestelmissä väärästä vastauksesta tulee väärä toimi, esimerkiksi kun agentti raportoi varmuuskopioinnin onnistuneen, vaikka sitä ei koskaan ajettu. Hallintakeino: väite–tarkistus–toimi-malli (claim-check-act), joka erottaa tuottamisen suorittamisesta ja varmistaa väitteet ja ennakkoehdot ennen kuin mitään tehdään.
LLM08:2026 Hidden Context Exposure (piilotetun kontekstin paljastuminen)
Piilotetun kontekstin poimiminen tai rekonstruointi: järjestelmäkehotteet, kehittäjän ohjeet, haetut käytäntötekstit ja työkaluskeemat. OWASP neuvoo olettamaan, että piilotettu konteksti on löydettävissä. Hallintakeino: pidä tunnistetiedot ja salaisuudet poissa siitä ja valvo valtuutusta deterministisessä koodissa mallin ulkopuolella.
LLM09:2026 Vector and Embedding Weaknesses (vektorien ja upotusten heikkoudet)
Hyökkäykset upotuskerrosta vastaan, jonka varassa toimivat RAG, agenttien muisti ja semanttiset välimuistit. OWASP:n sanoin ”myrkytys tekee järjestelmästä virheellisen, inversio saa sen vuotamaan, häirintä vaientaa sen ja pääsynhallinnan pettäminen tekee siitä umpimähkäisen”. Hallintakeino: valvo asiakaskohtaista (tenant) rajausta itse indeksikyselyssä, älä haun jälkeisenä suodattimena, ja pidä luottamustasoltaan erilainen sisältö erillisissä indekseissä.
LLM10:2026 Improper Output Handling (virheellinen tuotosten käsittely)
Mallin tuotoksen välittäminen eteenpäin ilman validointia, mikä voi johtaa XSS:ään, SQL-injektioon, SSRF:ään tai etäkoodin suorittamiseen. Kohta kattaa nyt myös turvattoman koodin, jota avustajat tuottavat suuressa mittakaavassa. Hallintakeino: kohtele mallin tuotosta kuin käyttäjän syötettä: koodaa se käyttöyhteyden mukaan, käytä parametrisoituja kyselyitä ja poista käytöstä Markdown-kuvien automaattinen renderöinti ja linkkien esikatselut.
Mikä muuttui vuoden 2025 versiosta
OWASP:n mukaan järjestys ”muuttui enemmän kuin aiempina vuosina”. Tärkeimmät muutokset:
- Excessive Agency nousi kuudennelta sijalta kolmanneksi, mitä OWASP kutsuu ”listan merkittävimmäksi siirroksi”.
- Unbounded Consumption nousi neljä sijaa, ja Improper Output Handling putosi eniten, viidenneltä sijalta kymmenenneksi.
- Prompt Injection ja Sensitive Information Disclosure pitivät kaksi kärkisijaa.
- System Prompt Leakage -kohdasta tuli laajempi Hidden Context Exposure.
- Uusia luokkia ei lisätty, vaan olemassa olevat kohdat ottivat sisäänsä uudempia riskejä: modaliteettien välinen injektio, malliartefaktit, jotka eivät ole sitä, miltä näyttävät, hienosäädön manipulointi ja turvaton generoitu koodi.
- Viitekehysten vastaavuudet (NIST, MITRE ATLAS, CWE ja muut) koottiin yhteen liitteeseen.
OWASP myös vetää selkeämmän rajan. Tämä lista käsittelee mallia sovelluksesi komponenttina. Kun mallista tulee toimija, jolla on työkaluja, muistia ja jatkovaikutuksia, OWASP kehottaa käyttämään rinnalla OWASP Top 10 -listaa agenttisille sovelluksille, jonka tekoälyagenttien suojaamista käsittelevä oppaamme käy läpi.
Näin käytät listaa tiimissäsi
OWASP neuvoo ”käymään läpi kaikki kymmenen ja aloittamaan kärjestä”. Käytännössä:
- Käy kymmenen kohtaa läpi, kun suunnittelet tai arvioit LLM-ominaisuutta, ja kirjaa, missä se on altis.
- Muuta jokainen hallintakeino tiketiksi, jolle on nimetty vastuuhenkilö, ja testaa uudelleen korjausten jälkeen.
- Merkitse havainnot kohtien tunnuksilla, jotta kehittäjät, tietoturvainsinöörit ja tuoteomistajat puhuvat samaa kieltä.
- Testaa vain järjestelmiä, jotka omistat tai joiden testaamiseen sinulla on kirjallinen lupa, ja tarkista, että mallintarjoajasi ehdot sallivat tietoturvatestauksen.
Omaan tahtiin etenevän Tekoälytietoturva: LLM-sovellusten ja tekoälyagenttien suojaaminen -kurssin loppuprojekti, ”Hyökkää tekoälyagenttiin, korjaa se ja testaa se uudelleen”, päättyy tietoturvaraporttiin, joka kytkee jokaisen havainnon OWASP-listoihin.
Mihin seuraavaksi
Aloita listan kärjestä: oppaamme siitä, mitä kehoteinjektio on, selittää suorat ja epäsuorat hyökkäykset sekä monikerroksisen puolustuksen. Jos sovelluksesi hakee asiakirjoja, tutustu tarkasti kohtiin LLM02 ja LLM09, jotka käsittelevät haun käyttöoikeuksia ja upotuskerrosta; AI Engineer: johdatus RAG:iin ja hakuun on aiheeseen liittyvä omaan tahtiin etenevä kurssi.
Yksi jäsennelty tapa kehittää näitä taitoja on Tekoälytietoturva: LLM-sovellusten ja tekoälyagenttien suojaaminen -kurssi: omaan tahtiin etenevä keskitason kurssi, jonka laajuus on 40 tuntia ja joka on tarkoitettu kehittäjille, tekoälyinsinööreille ja tietoturva-asiantuntijoille, jotka rakentavat tai testaavat tekoälyominaisuuksia.

Opi koodaus-, kyberturvallisuus-, UX/UI- sekä data science and ai -taitoja verkossa Code Labs Academyssa
Liity kansainväliseen, tukevaan yhteisöömme, avaa potentiaalisi ja aloita palkitseva ura teknologia-alalla.
Hae nyt