超越奖励压制:有界奖励热启动 Bandit 的近最优离线攻击
提出热启动 Bandit 的部署前有界离线注入攻击
- arXiv
- 2610.10000
- Published
- Setting
- LLM applications
- Evaluated models
- UCB, Thompson Sampling, ϵ-greedy
- AttacksPoisoning and backdoors
Another 215papers do not have category tags yet and are not included in filtered results.
提出热启动 Bandit 的部署前有界离线注入攻击
提出利用路由元数据推断敏感话题的侧信道攻击
Abstract论文揭示并测量了 LLM 路由决策在无文本日志中的敏感话题泄露,验证了按类别公平性防御的有效性与边界。
提出拓扑条件后门,使代码模型在推断多智能体部署时植入漏洞
Abstract论文证实了拓扑条件后门的可训练性与泛化性,展示了常规评测盲区,并提出差异化拓扑审计作为检测防御方向。
提出利用共享冷却的跨租户干扰攻击,并设计租户隔离机制
Abstract揭示网关共享冷却漏洞,提出来源检查与租户隔离防御。
提出 CAVE-BENCH,评测智能体在虚假指责下破坏已完成的正确工作
Abstract论文提出了评估智能体在虚假指责下破坏已有正确成果的 CAVE-BENCH,发现强模型易推翻已知证据,提出了门控缓解方案。
提出基准投毒攻击,使自修改编码 Agent 跨代写出含漏洞代码
Abstract论文报告了恶意基准能污染自修改代码智能体的进化过程并持续输出漏洞,警示系统设计需纳入安全约束。
提出针对 Agent Harness 的上下文特权提升攻击
提出 SkillMisevo-Bench,量化自改进 Agent 的技能误演化
评测编码 Agent 记忆文件中提示注入的跨会话影响
Bad Memory 在沙箱合成工作区里评测文件型持久记忆上的提示注入,比较载荷能否改变当前会话,以及能否在后续会话中留下或叠加。
Propose a structured JSON backdoor that triggers malicious actions in robot control via a poisoned LoRA
Abstract推理层后门传不到执行。
提出 ER-MIA 黑盒记忆注入,用嵌入相近记忆抢占检索并改错后续回答
提出 VenomRec 跨模态交互投毒,定向推广多模态推荐物品
为去中心化 LLM 推理网络提出稳健成本感知 PoQ,抵御恶意评估者操纵分数
这篇扩展工作把成本感知 Proof of Quality 的共识层改成能承受恶意评估分数的形式,奖励仍同时看输出质量与延迟成本。