Skip to content

Translation in progress Some entries still include text in the original language.

Oct 12 · Monday

All papers

Found 10 papers

Another 305papers do not have category tags yet and are not included in filtered results.

  1. AttacksarXiv 2610.10612

    PyCache Trap 利用 Python 缓存替换绕过七款 Agent Skill 扫描器

    提出 PyCache Trap,用字节码缓存替换绕过 Agent 技能扫描器

    Published
    Evaluated models
    CISCO, HSS, AUDITOR and others8
    Abstract论文剖析智能体技能审查与执行脱节盲区,提出 PyCache Trap 攻击并构建基于可信复现的 EAV 防御。

    这篇论文研究了智能体技能(Agent Skills)安全扫描中的“审查–执行脱节”问题,并提出了对应的攻击验证与防御方案。

    Paper analysisRead analysis
  2. AttacksarXiv 2610.07323

    ATLAS:用自适应信任域与主动学习搜索潜在对抗样本集

    提出 ATLAS 用水平集估计恢复黑盒分类器的对抗输入集合

    Published
    Attacker
    Black-box
    Evaluated models
    LeNet5, ResNet50 (CIFAR-10 standard), ResNet50 (ImageNet standard) and others5
    AbstractATLAS 用主动水平集估计构造黑盒对抗集,作者称其集合比单点攻击更具代表性。

    ATLAS 是一个查询式 black-box 框架,用来构造诱发失败的对抗输入集合,供鲁棒性审计使用。

    Paper analysisRead analysis
  3. AttacksarXiv 2609.39607

    Pretext 攻击绕过 NVIDIA SkillSpector 等 Agent 技能扫描器

    提出 PRETEXT 攻击,迭代改写技能文本绕过技能扫描器并让 Agent 执行木马

    Published
    Setting
    AI Agent
    Attacker
    White-box
    Evaluated models
    glm (z-ai/glm-5.1), qwen3t (qwen/qwen3-235b-a22b-thinking-2507), gpt-oss (openai/gpt-oss-120b)
    Abstract论文提出了针对多阶段技能检测器的白盒攻击,揭示了单纯依赖大模型自适应检测的局限。

    PRETEXT 是一项针对基于“静态规则加语义大模型”的智能体技能安全检测框架的白盒攻击与协同进化评估研究。

    Paper analysisRead analysis
  4. AttacksarXiv 2608.09732

    ColluSkill 用跨技能组合绕过 Agent 技能扫描器

    提出 ColluSkill,用跨技能组合绕过 Agent 技能扫描器

    Published
    Evaluated models
    GPT-5.5, DeepSeek-V4-Pro, GLM-5.2

    Abstract论文揭示了单技能孤立扫描的盲区,提出多技能链攻击 ColluSkill 与上下文防御 ChainGuard 并验证了有效性。

    Paper analysisRead analysis
  5. AttacksarXiv 2605.26156

    BITE:用上下文赌博机操纵风格偏置攻击 LLM 评委

    提出 BITE,用上下文赌博机选择风格修改抬高 LLM 评委打分

    Published
    Attacker
    Black-box
    Evaluated models
    o3-mini, Gemini-2.5-Flash, Llama-3.3-70B-Instruct and others8
    AbstractBITE 用黑盒赌博机利用风格偏差抬分,作者称这对 LLM-as-a-judge 构成威胁。

    BITE 是黑盒风格操纵:在保持答案语义的同时,抬高 LLM 评审给出的分数。

    Paper analysisRead analysis
  6. AttacksarXiv 2509.09112

    研究:字符级扰动可破坏 LLM 水印,并提出基于遗传算法的去除攻击

    提出字符级扰动与遗传算法去除 LLM 水印

    Published
    Attacker
    Black-box
    Evaluated models
    OPT-1.3B, LLaMA-3-8B
    Abstract字符级扰动靠更大攻击范围移除水印。

    这篇工作评估推理时 LLM 水印在黑盒、有限查询下的移除难度,并比较字符级、token 级和句子级编辑。

    Paper analysisRead analysis
  7. AttacksarXiv 2503.02174

    研究者提出对抗分词攻击,可在不改文本的情况下绕过 LLM 安全限制

    提出 AdvTok 对抗分词攻击,不改文本只改分词来越狱并规避安全分类器

    Published
    Attacker
    Gray-box
    Evaluated models
    Llama3.2-1B, Llama3.2-3B, Llama3.1-8B and others7
    Abstract作者称非规范分词能躲开对齐并仍得到针对原请求的回复。

    作者用非规范分词攻击已对齐的子词 LLM:恶意字符串的字符不变,只改 token 边界。

    Paper analysisRead analysis
You have reached the end