Translation in progress Some entries still include text in the original language.
Oct 12 · Monday
Agent safety · Papers
Found 5 papers提出 ASA 与 AttestMCP,度量并降低 LLM 对输入序列扰动的敏感
- Published
- Evaluated models
- Gemma-3-27B-Instruct, Gemma-3-4B-Instruct, Llama-3.2-3B-Instruct and others12
提出工具型 Agent 的自适应攻击 DART 与预执行防御 SAGE
- Published
- Evaluated models
- GPT-5.6 Luna, GPT-5.6 Terra, Gemini 3.8 Flash and others5
Abstract论文提出状态控制框架 SEAD、攻击 DART 与防御 SAGE,实验显示执行反馈与环境探测在攻防交互中具有关键作用。
提出 FLOWSEAL,用工具级信息流控制阻断智能体隐私泄露
- Published
- Evaluated models
- DeepSeek-V3.2, GPT-4.1-mini, Gemini-Flash-2.5
Abstract作者分析大模型智能体隐私检查与攻击面重合问题,提出外部拦截防御 FLOWSEAL 并验证有效性。
提出 AP2 支付协议的 Whisper 攻击与 A-VIP 绑定防御
- Published
- Evaluated models
- gemini-2.5-flash-lite, gemini-3.1-flash-lite, gemini-3-flash-preview and others15
Abstract论文揭示了 AP2 协议决策层受操纵的风险,提出结构化与权能绑定防御 A-VIP,并发布评测基准。
提出 RARE-Guard,阻止逆向观察被提升为指令或已验证声明
- Published
- Evaluated models
- gpt-5.5, claude-sonnet-4-6, gemini-2.5-pro and others5
Abstract成对二进制衡量无效提升。
作者定义的失败是:LLM 辅助逆向中,忠实提取的二进制观察获得它并未赢得的指令权限、声明证据或可信状态。
You have reached the end