评测与基准arXiv 2609.072169月7日
DIVA：利用视觉锚点对视频生成模型实施多模态越狱
提出 DIVA，将有害意图拆成视觉锚点与运动文本以越狱视频生成模型
arXiv
2609.07216
发表
9月7日
层
提示层
场景
模型与 API
攻击者
黑盒
测试
Wan、CogVideoX、LTX-Video 等 9 个
- 攻击越狱
- 技术跨模态载荷
- 组件图像生成
摘要DIVA 用视觉锚点抑制语义漂移做视频越狱，并给出多条件安全基准 TI2VSafetyBench。
DIVA 是针对带参考图的视频生成模型的免训练 black-box 越狱：用一致性机制本身堵住语义漂移这条安全逃逸路径。。
深度解读完整解读
评测与基准arXiv 2609.097989月9日
CS-Guard：首个面向代码生成安全的 LLM 护栏评测基准
提出 CS-Guard 基准与虚构场景攻击，评测代码生成护栏
arXiv
2609.09798
发表
9月9日
层
应用层
场景
编程 Agent
攻击者
黑盒
测试
CodeLlama-13B-Instruct、DeepSeekCoder-V2-Lite-16B、GPT-OSS-20B 等 7 个
- 攻击越狱
- 技术角色扮演与说服
- 组件护栏与评审
摘要论文提出了代码安全护栏基准 CS-Guard，评估发现现有护栏对虚构场景攻击和代码级恶意请求防御较弱。
深度解读完整解读
评测与基准arXiv 2608.173608月18日
Fair-ASR：在共享目标调用预算下重新评测黑盒越狱攻击
在共享目标调用预算下重评黑盒越狱并提出 ReCode
arXiv
2608.17360
发表
8月18日
层
提示层
场景
模型与 API
攻击者
黑盒
测试
Llama-3.1-8B-Instruct、Llama-3.1-70B-Instruct、gpt-oss-20b 等 11 个
- 攻击越狱
深度解读完整解读
评测与基准arXiv 2608.304418月31日
ECLIPSE：针对长程 Agent 系统的自演化隐蔽提示注入攻击
提出 ECLIPSE 双通道自演化提示注入，劫持长程智能体动作轨迹
arXiv
2608.30441
发表
8月31日
层
应用层
场景
AI Agent
攻击者
黑盒
测试
DeepSeek、GPT-4o、Claude 4.8 Opus 等 7 个
- 攻击提示注入
- 技术自动化搜索
- 组件MCP 与技能
深度解读完整解读
评测与基准arXiv 2609.336409月27日
SafeMol：分子多模态模型的双模态安全对齐
提出 SafeMol，联合对齐分子多模态模型的文本与图输入
arXiv
2609.33640
发表
9月27日
层
训练与数据层
场景
模型与 API
攻击者
黑盒
测试
GPT-4o、Llama-3.2-1B-Instruct、Omni-Mol v2 等 5 个
- 防御模型加固
- 攻击越狱
摘要SafeMol 用 MMD 和双分类头对齐分子多模态模型，在 Omni-Mol v2 上压低图条件攻击成功。
SafeMol 研究分子多模态模型在危险分子相关请求上的安全对齐，并同时看过拒和任务效用。
深度解读完整解读

已经到底了

全部论文

攻击类型

攻击技术

防御类型

影响

系统形态

攻击者权限

攻击面/入口

层

系统组件

被测模型厂商

DIVA：利用视觉锚点对视频生成模型实施多模态越狱

CS-Guard：首个面向代码生成安全的 LLM 护栏评测基准

Fair-ASR：在共享目标调用预算下重新评测黑盒越狱攻击

ECLIPSE：针对长程 Agent 系统的自演化隐蔽提示注入攻击

SafeMol：分子多模态模型的双模态安全对齐