攻击arXiv 2610.0684810月5日
TranScope：利用 CPU 性能计数器对 Transformer 做成员推断攻击
提出 TRANSCOPE，用 CPU 硬件计数器推断训练集成员
arXiv
2610.06848
发表
10月5日
层
基础设施层
场景
模型与 API
攻击者
黑盒
测试
BERT (4.4M-340M)、ViT (22M-307M)、Pythia (70M-2.8B) 等 5 个
- 攻击提取与窃取
- 技术侧信道
摘要TRANSCOPE 揭示了分词器在嵌入表引发的硬件访问局部性差异，证实微架构计数器可突破恒定时间与置信度遮蔽防御。
深度解读完整解读
评测与基准arXiv 2604.029474月3日
AgentHazard：评估计算机使用智能体有害行为的基准
提出 AgentHazard 基准，评测计算机使用智能体的执行层有害行为
arXiv
2604.02947
发表
4月3日
层
应用层
场景
网页与电脑操作、编程 Agent
测试
Qwen2.5-72B-Instruct、Qwen2.5-Coder-32B-Instruct、Qwen3-32B 等 12 个
- 攻击恶意使用
摘要AgentHazard 评估了计算机使用智能体的执行安全，作者认为模型层对齐无法可靠保障智能体层面的安全性。
AgentHazard 是针对计算机使用智能体执行层安全构建的评估基准，重点探究多步工具调用下局部合理动作累积引发的危害。
深度解读完整解读
防御arXiv 2609.016779月1日
Skill-as-API：面向智能体软件工程的机密多智能体协作协议
提出 Skill-as-API，防止协作通道泄露 skill 代码与系统提示词
arXiv
2609.01677
发表
9月1日
层
应用层
场景
多智能体、编程 Agent
- 防御指令与数据隔离
- 攻击提取与窃取
- 组件MCP 与技能
摘要协议把 skill 正文留在所有者侧，四层限制发现内容、权限期限和注入拼接。
Skill-as-API 是面向智能体软件工程的协调协议，用来在跨组织调用时把 skill 的代码和系统提示词留在所有者进程。作者针对三条威胁：经通道或命名空间抽取专有方法，用注入让被调用模型输出系统提示词，以及协作结束后权限继续保留。
深度解读完整解读
攻击arXiv 2609.153839月14日
微软团队提出 capability laundering 攻击：弱模型拆分任务向对齐前沿模型套取能力
提出能力洗钱攻击，让未对齐编排器拆分任务向对齐模型套取能力
arXiv
2609.15383
发表
9月14日
层
应用层
场景
编程 Agent
攻击者
黑盒
测试
GPT-5.5、Claude Opus 4.8、Grok-4.3 等 7 个
- 攻击恶意使用
- 风险危险能力
- 技术多轮渐进
摘要作者提出了能力洗钱攻击，发现未对齐编排器分解咨询对齐模型可恢复能力差距，指出需建立跨会话防御。
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

模型自身风险

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

TranScope：利用 CPU 性能计数器对 Transformer 做成员推断攻击

AgentHazard：评估计算机使用智能体有害行为的基准

Skill-as-API：面向智能体软件工程的机密多智能体协作协议

微软团队提出 capability laundering 攻击：弱模型拆分任务向对齐前沿模型套取能力