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 240papers 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
构建 EvoRiskBench 评测工作区 Agent 的运行时安全风险
Abstract论文构建了工作空间智能体运行时风险基准 EvoRiskBench,发现高执行力智能体在 IPI 下面临较高安全风险。
提出 A2A-TIBA,经 A2A 对等任务间接注入并植入常驻回调
A2A-TIBA 把间接提示注入和绕过放进 A2A:gray-box 攻击者已能投递任务,诱导目标部署常驻回调程序后,下令和外传不再经过智能体。
提出 MADBench,评测多智能体辩论是吸收还是放大对抗影响
MADBench 是一个评测多智能体辩论安全性的基准,用来看攻击是被辩论吸收还是被放大。
构建可组合工具包 pikit,评测编码智能体的间接提示注入
pikit 是面向间接提示注入研究的组合式工具包,主要贡献是组织攻击、投递通道、防御和判定流程,而非提出新的攻击优化算法。
用 CoSec 评测社区 Agent 是否越界披露受保护信息
提出 ORBIT 框架,评测多智能体防御对合谋等威胁的效果
AbstractORBIT 用六层配置比较多智能体防御,逐动作监控不迁移到合谋。
提出卡点评测框架以审计智能体间接提示注入评测的测量缺陷
Abstract论文揭示了 IPI 评测中导致指标虚高的系统性缺陷,通过构建有效评测框架纠正了多项安全与模型能力结论。
提出 TRUSTFORK 基准,评测展示身份劫持多智能体编排权限
Abstract论文提出了多智能体安全基准 TRUSTFORK,揭示展示身份如何劫持操作权威,并证明事后验证无法弥补已发生的执行破坏。
提出 AgentXploit,从代码仓库发现攻击路径并在运行时验证利用
构建 ACE 语料,评测内核级证据对 Agent 攻击检测的有效性
ACE 是一份把智能体会话的内核 syscall 痕迹与应用层清单、转录配对起来的检测语料和基准。。
提出双控多智能体基准 DUMA-Bench,测量对抗环境下的策略违反
DUMA-Bench 把 τ²-bench 的双控交互做成智能体安全评测,用来看策略违反如何随用户、模型和环境一起出现。
提出 Emergence World,对长时程多智能体系统开展对抗压力测试
Abstract作者通过长期平行世界实验指出模型对齐不具备可组合性,单模型群体会产生社会奉承、协同退缩及语言不透明等失效。
用 MMPIBench 评测多模态提示注入对 Agent 框架的影响
Abstract论文提出 MMPIBench 评测多模态提示注入对智能体的影响,发现模型主导行为、尝试远超完成,音频通道缺乏防护。
提出 LongPIBench,评测长文档场景下的提示注入攻击与防御
Abstract论文构建长文本提示注入基准 LongPIBench,揭示启发式与优化攻击在长文档中的高有效性及现有防御的大幅失效。
构建自演化基准 ActBench,评测协作智能体的行为安全
AbstractActBench 通过自演化搜索与双证据重构评测轨迹行为安全,揭示基础模型决策差异主导了协同智能体的操作风险。
复现 AgentCF 上的多智能体攻防并刻画连通性作用
作者在 AgentCF 上研究连通性如何改变多智能体协同过滤的攻防,复现已有方法而不是提出新载荷。
构建 OpenART 竞技场,以 EMHA 演化持久环境评测智能体安全
提出 MEMGHOST,用单封邮件对持久个人 Agent 做跨会话隐蔽记忆注入
本文研究了持久化个人智能体面临的隐蔽记忆注入威胁,提出了一套兼顾写入、隐蔽与跨会话生效的自动化生成框架与全周期评测基准。
提出 MAStrike,用 Shapley 选联盟对多智能体做共谋红队