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 213papers 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 PERSISTBD,发布前强化供应链后门使其经良性 SFT 与 RL 后仍外发凭据
本文研究第三方 LLM 智能体在开发者进行良性监督微调(SFT)和强化学习(RL)后训练时的后门持久性风险。
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 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
提出 SYNCHAIN,诱导计算机使用 Agent 自建跨任务持久攻击链
Abstract论文揭示了 CUA 自合成工件带来的内部供应链威胁,验证了潜伏载荷的跨任务传播能力与防御局限。
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