跳到正文
10月8日 · 周四

提示注入 · 论文

找到 4 篇
筛选2

攻击类型

越狱1提示注入3

攻击技术

自动化搜索1编码与混淆2推理链操控1跨模态载荷1针对防御1潜伏触发1

防御类型

检测与过滤1

影响

有害内容1越权操作2数据与隐私泄露1

系统形态

模型与 API1AI Agent3编程 Agent1

攻击者权限

黑盒1

攻击面/入口

用户输入1网页与界面1文档与消息1工具返回1工具与技能描述1代码仓库与依赖1图像与音视频1

层

提示层1应用层3

系统组件

MCP 与技能7记忆3护栏与评审3推理链2权限与沙箱5视觉1多模态1

被测模型厂商

其他4
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 75 篇还没打标签，不在筛选结果里。
系统组件：护栏与评审系统组件：多模态话题：提示注入清除全部

另有 75 篇论文还没打上分类标签，暂不在筛选结果里。

  3. 攻击arXiv:2609.09553 ·

    研究：任意密文攻击前沿大模型无需微调即可越狱

    提出任意字母置换密码越狱，无需微调即可诱导有害输出

    模型与 API攻击者黑盒测试Claude Sonnet 4、Claude Sonnet 4.5、Gemini 3 Flash (preview) 等 7 个提示层

    摘要前沿大模型无需微调即可通过提示词学会字母置换密码，进而绕过分类器与对齐，作者呼吁关注能力提升带来的安全风险。

    完整解读
  4. 攻击arXiv:2609.22510 ·

    特拉维夫大学提出爆炸性提示词：条件触发的间接提示注入可绕过九款生产 Agent

    提出爆炸提示词，用条件触发的间接注入延迟诱发恶意工具调用

    AI Agent测试Llama-3.1-8B-Instruct、Llama-3.1-70B-Instruct、Qwen2.5-32B-Instruct 等 14 个应用层
    摘要论文揭示了条件触发使提示注入绕过防御并在触发时执行工具，提出轻量检测器并在摄入期有效防范。

    论文针对大语言模型智能体面临的间接提示注入威胁，研究了利用条件句式实现时间分离的爆炸提示词。

    完整解读
已经到底了