Another 227papers do not have category tags yet and are not included in filtered results.
提出 ASA 与 AttestMCP，度量并降低 LLM 对输入序列扰动的敏感
提出 NEEDLE，用权重正交化在已知触发器时去除大模型后门
AbstractNEEDLE 用闭式权重编辑去掉已知触发器的后门，并保住拒绝子空间。
提出技能级联攻击，把有害目标拆散到多个技能里绕过单技能扫描
Abstract论文探讨了多技能智能体系统面临的技能级联攻击风险，提出自动化红队框架与基准集，指出跨技能交互存在安全防护盲区。
提出两阶段框架 A2M，优化 MCP 工具元数据与返回载荷以劫持 Agent
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 ISM，用语义匹配隐式操纵 Agent 技能选择
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。
提出利用检查点回滚破坏 Agent 执行连续性的攻击
Abstract论文系统研究了智能体 C/R 的安全性，分析了合法回滚破坏执行连续性的机理，并实证评估了其普遍性与危害。
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。
用通用扰动对恶意软件分类器及漂移检测器做规避与后门投毒
Mitigating steering dataset contamination with Lee-Valiant robust means
The authors study how much behavioral control remains at inference time when contrastive steering's training data is contaminated, and whether the robust mean can catch it.
Propose Clawdrain, amplifying OpenClaw's token consumption with a trojan skill
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。