AgentTracer:通过细粒度意图-执行对齐追踪间接提示注入攻击
提出 AgentTracer,事后定位间接提示注入的注入点并重建攻击链
- arXiv
- 2610.09935
- Published
- Layer
- Application layer
- Setting
- AI Agent
- DefensesMonitoring and auditing
- AttacksPrompt injection
Another 255papers do not have category tags yet and are not included in filtered results.
提出 AgentTracer,事后定位间接提示注入的注入点并重建攻击链
提出 MFOTL 离线时序验证以监控工具 Agent 的危险动作链
这篇论文对工具调用大语言模型智能体的安全监控进行了形式化时序验证研究。
提出 PAA 方法,在边界动作前审计长流程智能体的分阶段提示注入
本研究针对长流程智能体在执行任务时面临的分阶段间接提示注入威胁,提出了在动作生效前进行拦截的边界动作审计框架与路径对齐归因方法。
提出 ActGuard 执行前动作审计,定位并遮盖间接提示注入的恶意片段
提出 TRIM,在黑盒推理时定位并净化图像后门区域
提出 MROP,在发射端推理时纯化输入以抵御训练投毒后门
MROP 是 deep JSCC 无线图像传输上的推理时输入纯化,对象是矩形补丁后门。
提出 Janus 前瞻守卫,在长程智能体执行有害动作前拦截潜在风险
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。
用 Lee-Valiant 稳健均值缓解 steering 数据集污染
作者研究 contrastive steering 的训练数据被污染后,推理时的行为控制还剩多少,以及稳健均值能否接住。
提出推理时防御 ICON,探测注意力过聚焦并转向以纠正 Agent 间接提示注入
ICON 在推理时检测 IPI 的注意力过聚焦并转向,避免以拒答中止智能体轨迹。
提出推理扫描器,在仅有模型文件时检测后门并重构触发词
这是一个只做推理的 sleeper agent 扫描器:在不知触发词和目标行为时,检测因果语言模型里的条件后门并重构触发词。。问题在于,后门只在触发词出现时偏离基线,而开放仓库和网页投毒使检测方通常没有触发词、目标或激活语料。