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 254papers 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
提出 StegoMemory,评测智能体持久记忆作为跨会话隐写信道
Abstract研究揭示智能体持久记忆可作为隐蔽信道跨会话传输机密,写入持久化是主要防御瓶颈,呼吁建立记忆完整性防御。
提出 MemLeak,评估多租户 Agent 共享向量记忆的跨用户泄露
提出 FlowReview,用授权配对与确定性提交门控控制多智能体组合信息流
这篇工作把多智能体安全写成一件必须同时成立的事:拦住组合信息所启用的禁止使用,并完成同一场景里任务所需的授权使用。
用 CoSec 评测社区 Agent 是否越界披露受保护信息
提出控制标记注入,清空工具 Agent 的思维链以绕过推理监控
Abstract论文阐明控制标记注入可抑制 CoT 使监控失效并促成拒绝绕过,且工具执行受解析器宽容度影响。
提出 PMPA,经外部源向 Agent 持久记忆投毒并跨会话泄露隐私
Abstract论文提出了持久记忆投毒攻击 PMPA,报告了 harness 智能体在处理外部数据时易受跨会话记忆投毒与隐私泄露的风险。
提出 GraphProfiler,用个人知识图谱从帖子历史推断敏感属性并溯源
GraphProfiler 是一个可审计的 LLM 敏感属性画像器:用源链接个人知识图谱,把推断落到具体帖子。
Proposes execution-state forgetting, using provenance-guided selective replay to purify stateful agents
This work defines forgetting in long-horizon agents as runtime counterfactual equivalence, rather than deleting a plaintext memory.
提出 PoisonedEvolution 轨迹投毒,诱导自演化技能系统固化恶意行为
这篇论文揭示了自演化技能系统在将交互经验转化为持久指令时的安全风险。
构建 OpenART 竞技场,以 EMHA 演化持久环境评测智能体安全
训练自博弈红队智能体 GPT-Red,规模化生成提示注入与越狱攻击
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。
提出 CFD 跨会话分解攻击,利用工件来源缺口绕过工具型 Agent 的本地检查
CFD针对工具型 LLM 智能体:利用 artifact 来源不被跟踪这一部署失败模式,把有害目标拆开后延迟组合。
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 Trojan Hippo Bench,评测 Agent 持久记忆投毒与外泄
Abstract论文提出了评测智能体持久化记忆攻击与防御的 Trojan Hippo Bench,揭示了潜伏攻击威胁及内存防御的安全与效用权衡。
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