研究者提出统一滥用监控基准,覆盖分解攻击与提示注入约 6200 条轨迹
提出危害窗口与区间指标,统一评测分解攻击和提示注入下的智能体滥用监视
- arXiv
- 2610.07089
- Published
- Layer
- Application layer
- Setting
- AI Agent
- Evaluated models
- Gemma 4 26B-A4B, Qwen3.6 27B, Qwen3.5 27B and others12
- DefensesMonitoring and auditing
- AttacksJailbreaks
- ComponentMonitors
Abstract统一智能体滥用监视框架,动作视角兼顾两类威胁但危害定位仍存瓶颈。