Another 201papers do not have category tags yet and are not included in filtered results.
提出 StegoMemory，评测智能体持久记忆作为跨会话隐写信道
Abstract研究揭示智能体持久记忆可作为隐蔽信道跨会话传输机密，写入持久化是主要防御瓶颈，呼吁建立记忆完整性防御。
提出 MMSkillRisk 基准，评测多模态技能图像中的隐藏指令诱导 Agent 越权操作
Abstract论文提出 MMSkillRisk 基准与 NCVA 攻击，揭示多模态技能中教学图像潜藏指令可引发未授权操作并与良性任务共存。
提出 SinoGlyphBench，用配对字形混淆诊断中文审核稳定性
SinoGlyphBench是一个配对诊断基准，用来看内容审核在可还原的中文字形混淆下是否还保持原决定。
提出 MAFIA，以探测放置与事实伪装对带审计 Agent 做查询式记忆投毒
提出 HACA，将图文越狱拆为原子策略并自动组合以诱导有害输出
提出 CFD 跨会话分解攻击，利用工件来源缺口绕过工具型 Agent 的本地检查
CFD针对工具型 LLM 智能体：利用 artifact 来源不被跟踪这一部署失败模式，把有害目标拆开后延迟组合。
提出 DSR 跨模态越狱，用无害图文诱导 MLLM 生成有害图像
DSR 是一种 black-box 跨模态越狱：输入侧不放显式有害内容，而让商业 MLLM 在推理中把无害图文重组成有害图像。
提出多图越狱框架 DMN，把有害意图拆进图像序列绕过安全护栏
提出删字变体越狱方法，利用重构与隐藏权衡绕过多模态模型安全过滤
提出四类视觉越狱，把有害意图编码进图像以绕过安全拒答
四类视觉越狱用来检验前沿 VLM 的文本安全训练能否挡住由图像传达的有害意图。。
Proposes LAAF, which automatically attacks LPCI vulnerabilities in agent systems in stages
The authors state that LAAF is an automated red-teaming framework built specifically for LPCI in agentic LLMs. The issue to address is that encoded, delayed, and conditionally triggered payloads can persist in memory or RAG and re-enter across sessions, whereas Garak and PyRIT do not use the previous round's breakthrough results to seed the next stage across the six stages.
Propose StructAttack, which uses structural diagrams to induce visual models to assemble malicious content from harmless semantic slots.
StructAttack is a black-box, single-query jailbreak against LVLMs: it decomposes a harmful instruction into separate seemingly harmless slots, draws them into a structural diagram, and then makes the model reassemble the slots into harmful content.
提出 MIDAS ，把有害语义拆进多张视觉谜题并跨图重构以越狱多模态模型
Propose COMET cross-modal entanglement attack to jailbreak vision-language models
COMET is a black-box jailbreak for VLMs with multimodal reasoning, used to red-team cross-modal safety alignment. The gap the authors address is: distributing malicious cues into fixed combinations of image and text cannot detect vulnerabilities that only appear in multi-step reasoning. The attack does not access gradients; it only constructs image and text inputs.
提出 Text-DJ，用拆分文本图网格越狱视觉语言模型
提出 BVS 图文越狱，用中和拼接图和诱导提示词让模型生成有害图像
BVS 用图文对诱导 MLLM 生成有害图像。作者认为，相对文本越狱和单模态图像诱导，视觉生成的安全审查仍不充分。
提出 GAMBIT 游戏化越狱框架，用拼图与竞赛场景攻击多模态模型
提出双重隐写越狱 Odysseus，用图像隐写绕过多模态系统安全过滤器
提出 LPCI，把延迟条件载荷写入记忆与检索库以跨会话触发
作者把LPCI定义为针对智能体逻辑执行、记忆留存和工具集成的跨阶段漏洞类，而不是单次输入上的提示改写。