DefensesarXiv 2610.08773
AdvSim2Real 用任务与注入对手共同演化训练网页智能体
提出 AdvSim2Real,协同训练网页智能体抵御页面注入
- arXiv
- 2610.08773
- Published
- Layer
- Application layer
- Setting
- web agent
- Evaluated models
- Qwen3.5-4B
- DefensesModel hardening
- AttacksPrompt injection
Another 233papers do not have category tags yet and are not included in filtered results.
提出 AdvSim2Real,协同训练网页智能体抵御页面注入
评测安全 Agent 在对抗性任务污染下的解题成功与开销
AgentLSD 是一个对照框架,用来测量安全智能体在任务本身不变时,对对抗性任务污染的反应。
提出 SKILLBLOAT,改写技能文档放大编码 Agent token 消耗
提出 CDH 攻击,让技能型 Agent 绕路放大资源消耗
CDH 是针对渐进披露技能智能体的发布者侧、纯文本攻击:一个静态协调器把本可正确完成的任务,拐进有界但更耗资源的技能绕路,再交还原任务。
提出 SMT 框架,用模拟审核轨迹越狱函数调用 LLM
提出针对 Agent 护栏的推理扩展拒绝服务攻击
Propose Clawdrain, amplifying OpenClaw's token consumption with a trojan skill
提出 iMIST,用工具伪装和 PPO 迭代越狱大语言模型
iMIST是黑盒越狱方法:把恶意查询伪装成合法工具调用,再用在线强化学习把响应的有害性分数往上推。