Another 305papers do not have category tags yet and are not included in filtered results.
提出 BRANCH 方法，用分支搜索绕过多扫描器护栏
提出 PyCache Trap，用字节码缓存替换绕过 Agent 技能扫描器
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。
提出 CRIME 框架，组合良性 Agent 技能诱发恶意行为
CRIME 把公共技能库中各自通过审查的技能配成两两组合，看联合执行能否实现指定恶意任务。。
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
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。
提出 RISE，迭代演化可复用策略对文生图模型做红队
提出 SkillDRE，用预执行与运行时双阶段反馈演化恶意 Agent 技能
提出 CRACK，用多智能体辩论在黑盒下越狱文生图多层安全过滤
CRACK 是面向文本生成图像模型多层安全栈的黑盒越狱框架，用几何上的 Detection Surface 解释为何粗粒度反馈不够。
提出 ColluSkill，用跨技能组合绕过 Agent 技能扫描器
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。
提出 UniAttack 单轮黑盒越狱框架，融合攻击特征绕过多层防御
提出针对 Agent 护栏的推理扩展拒绝服务攻击
提出对抗重构，仅改表述以拉高 AI 审稿分数
Abstract揭示 AI 审稿系统易受纯表述重构操纵，建议在部署前解耦科学与写作评价。
提出 BITE，用上下文赌博机选择风格修改抬高 LLM 评委打分
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。
提出 CITA 三阶段框架，生成可绕过毒性检测器的中文隐式毒性文本
提出 FoodGuardBench 与护栏 FoodGuard-4B，评测并降低食品危害越狱
提出 ReAct 双策略，按反馈改写提示并扰动图像绕过 VLM 安全过滤
提出保义释义攻击 PAA，抬高 LLM 审稿评分
PAA 是对 LLM-as-a-Reviewer 的 black-box 攻击：只改写摘要，用评审分做 ICL 搜索，并用 BERTScore 与困惑度限制语义和自然度。
提出 RedDiff，用强化扩散生成图像审计 VLM 情境安全失效
RedDiffuser 是黑盒审计框架：有害内容不是显式攻击指令，而是固定的部分有毒文本，再配上扩散模型生成的图像，看 VLM 的开放续写会不会变得不安全。
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
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。
提出 PromptTune，微调 LLM 改写提示以越狱文生图护栏
PromptTune 用微调 LLM 改写提示词，攻击带安全过滤器或对齐的文生图模型。