遮挡审计 AdvWave-P 音频越狱的频带必要性与解码层关联
这是对加性音频越狱 AdvWave-P 的频率与解码器深度审计，受害模型主要是 Qwen2-Audio-7B-Instruct，不提出新攻击。
提出免训练框架 SED，将有害智能体轨迹蒸馏为可检索安全策略
提出工具型 Agent 的自适应攻击 DART 与预执行防御 SAGE
摘要论文提出状态控制框架 SEAD、攻击 DART 与防御 SAGE，实验显示执行反馈与环境探测在攻防交互中具有关键作用。
提出 AEGIS，用中层内部信号选择性激活后层适配器拦截音频越狱
提出 Skilder，按角色渐进下发企业工具并确定性拦截越权调用
Skilder 把企业工具型智能体的能力按角色打包，经一个 MCP 服务器做渐进发现，使工具范围由服务器而不是提示词来执行。
提出 PALS，用潜空间平滑防御全双工语音对话的对抗扰动
构建 APort Vault 基准，对比支付智能体模型拒答与确定性授权
提出 FLOWSEAL，用工具级信息流控制阻断智能体隐私泄露
摘要作者分析大模型智能体隐私检查与攻击面重合问题，提出外部拦截防御 FLOWSEAL 并验证有效性。
系统梳理智能体执行链路中的越狱攻击与防御并比较推理时防御
Mia 等人把越狱安全从单轮回复扩展到智能体的规划、记忆、工具和智能体间通信，并问既有结论在更强原生对齐下是否还成立。
为冻结模型与目标域自动搜索可部署的 Agent 安全 harness
提出 ARENA 音频红队框架，自动构造文本安全且音频接地的越狱输入
提出 CFD 跨会话分解攻击，利用工件来源缺口绕过工具型 Agent 的本地检查
CFD针对工具型 LLM 智能体：利用 artifact 来源不被跟踪这一部署失败模式，把有害目标拆开后延迟组合。
提出 CodecAttack，在编解码器隐空间构造可穿透有损压缩的对抗音频
提出 SWhisper，用近超声波向语音驱动 LLM 隐蔽注入越狱提示
提出 StyleBreak 风格化音频越狱，利用语音属性绕过音频语言模型对齐
提出 Jailbreak-AudioBench 评测音频语言模型的音频编辑越狱