跳到正文
10月10日 · 周六

全部论文

找到 2 篇
筛选6

攻击类型

越狱2提示注入39投毒与后门33提取与窃取3检测规避4

系统形态

模型与 API0AI Agent2coding agent0web agent0

系统组件

MCP 与技能2记忆3护栏与评审39监控器9推理链11权限与沙箱5微调与开源权重4视觉20音频9图像生成9多模态39
同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 196 篇还没打标签，不在筛选结果里。
攻击类型：越狱系统形态：模型与 API系统形态：AI Agent系统形态：coding agent系统形态：web agent系统组件：MCP 与技能清除全部

另有 196 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 攻击arXiv 2610.05943

    CRIME 框架利用良性 Agent 技能组合诱发恶意行为

    提出 CRIME 框架，组合良性 Agent 技能诱发恶意行为

    arXiv
    2610.05943
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    DeepSeek-V4-Flash、GPT-4o-mini、GPT-4o 等 6 个
    摘要良性技能经 DCA 或 ACA 组合后可产生恶意环境后果，单独审查对不上。

    CRIME 把公共技能库中各自通过审查的技能配成两两组合，看联合执行能否实现指定恶意任务。。

    深度解读完整解读
  2. 防御arXiv 2609.28693

    skilder：以角色化技能包为工具型 LLM 智能体做访问控制

    提出 Skilder，按角色渐进下发企业工具并确定性拦截越权调用

    arXiv
    2609.28693
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    Claude Haiku 4.5、Qwen 3.5 122B、Gemma 4 31B 等 6 个
    摘要Skilder 用单 MCP 服务器按角色交付工具并硬拦截。

    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。

    深度解读完整解读
已经到底了