CredLeak-Bench
提出 CredLeak-Bench,评测 Agent 面对钓鱼的凭据泄露与恢复
- arXiv
- 2610.08871
- Published
- Layer
- Application layer
- Setting
- web agent
- Evaluated models
- Claude Sonnet 5, Claude Opus 4.8, Gemini 3.6 Flash and others7
- AttacksPrompt injection
Another 240papers do not have category tags yet and are not included in filtered results.
提出 CredLeak-Bench,评测 Agent 面对钓鱼的凭据泄露与恢复
构建 EvoRiskBench 评测工作区 Agent 的运行时安全风险
Abstract论文构建了工作空间智能体运行时风险基准 EvoRiskBench,发现高执行力智能体在 IPI 下面临较高安全风险。
提出 MADBench,评测多智能体辩论是吸收还是放大对抗影响
MADBench 是一个评测多智能体辩论安全性的基准,用来看攻击是被辩论吸收还是被放大。
构建可组合工具包 pikit,评测编码智能体的间接提示注入
pikit 是面向间接提示注入研究的组合式工具包,主要贡献是组织攻击、投递通道、防御和判定流程,而非提出新的攻击优化算法。
用 DIBench 评测移动 GUI 智能体被 UI 注入后的决策完整性
Abstract论文提出移动智能体决策完整性基准 DIBench,发现欺诈 UI 注入诱导目标选择并推高完成率,通用防御收益不稳定。
用 CoSec 评测社区 Agent 是否越界披露受保护信息
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。
提出卡点评测框架以审计智能体间接提示注入评测的测量缺陷
Abstract论文揭示了 IPI 评测中导致指标虚高的系统性缺陷,通过构建有效评测框架纠正了多项安全与模型能力结论。
提出 AgentXploit,从代码仓库发现攻击路径并在运行时验证利用
构建 ACE 语料,评测内核级证据对 Agent 攻击检测的有效性
ACE 是一份把智能体会话的内核 syscall 痕迹与应用层清单、转录配对起来的检测语料和基准。。
提出双控多智能体基准 DUMA-Bench,测量对抗环境下的策略违反
DUMA-Bench 把 τ²-bench 的双控交互做成智能体安全评测,用来看策略违反如何随用户、模型和环境一起出现。
提出 Emergence World,对长时程多智能体系统开展对抗压力测试
Abstract作者通过长期平行世界实验指出模型对齐不具备可组合性,单模型群体会产生社会奉承、协同退缩及语言不透明等失效。
用 MMPIBench 评测多模态提示注入对 Agent 框架的影响
Abstract论文提出 MMPIBench 评测多模态提示注入对智能体的影响,发现模型主导行为、尝试远超完成,音频通道缺乏防护。
构建自演化基准 ActBench,评测协作智能体的行为安全
AbstractActBench 通过自演化搜索与双证据重构评测轨迹行为安全,揭示基础模型决策差异主导了协同智能体的操作风险。
构建 OpenART 竞技场,以 EMHA 演化持久环境评测智能体安全
提出 MEMGHOST,用单封邮件对持久个人 Agent 做跨会话隐蔽记忆注入
本文研究了持久化个人智能体面临的隐蔽记忆注入威胁,提出了一套兼顾写入、隐蔽与跨会话生效的自动化生成框架与全周期评测基准。
系统研究 LLM 智能体记忆投毒并构建基准 MPBench
Abstract系统研究了智能体记忆投毒风险,揭示了写入渠道漏洞,构建了 MPBench 基准并指出提示注入防御的局限。
提出企业级检测系统 ADR,识别编程 Agent 的提示注入与恶意 MCP
Abstract提出了端点因果遥测、两级在线分流与离线红队闭环的 ADR 系统,并在生产环境中验证了有效性。
构建 ASPI 基准,评测 Agent 寻求澄清时的提示注入脆弱性
提出 ClawSafety,评测个人智能体读到对抗工件后是否执行有害动作