一种面向大型语言模型的黑盒对抗样本生成方法，属于大型语言模型领域，包括：获取原始提示语；原始提示语中词语的重要性排名；字符级、单词级混淆扰动方法；构造面向目标大型语言模型的对抗样本，判断是否越狱成功，若是，则结束，若否，则更换对抗样本生成策略，返回重新执行字符级、单词级混淆扰动方法。本发明能够自动化构造对抗样本，无需人工参与。本发明无需目标大型语言模型的参数信息便可运行，适用于真实的商用黑盒环境。本发明在字符级和单词级的对抗样本生成方法中，同时考虑了视觉和语义的相似性，生成的对抗具有良好的可读性以及语义相似性。本发明效率高，避免了语法结构被破坏。