跳到正文
10月10日 · 周六

全部论文

找到 3 篇
筛选5

攻击类型

提示注入3投毒与后门3

系统形态

AI Agent3

攻击面/入口

用户输入9网页与界面3文档与消息8工具返回6记忆写入9Agent 间消息4训练数据0权重与梯度0

层

应用层3

系统组件

记忆2护栏与评审3监控器1多模态3
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 378 篇还没打标签，不在筛选结果里。
攻击面/入口：网页与界面攻击面/入口：训练数据攻击面/入口：权重与梯度系统组件：记忆系统组件：监控器清除全部

另有 378 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 评测与基准arXiv 2609.28915

    研究提出 ACE 语料库，评估内核级证据对 Agent 安全检测的有效性

    构建 ACE 语料，评测内核级证据对 Agent 攻击检测的有效性

    arXiv
    2609.28915
    发表
    层
    应用层
    场景
    coding agent
    被测模型
    AdaBoost、XGBoost、TabPFN 等 10 个
    摘要ACE 用配对的内核与应用层证据表明，syscall 痕迹可判别智能体攻击，两层组合通常更好。

    ACE 是一份把智能体会话的内核 syscall 痕迹与应用层清单、转录配对起来的检测语料和基准。。

    深度解读完整解读
  3. 评测与基准arXiv 2606.04329

    研究者系统研究 LLM 智能体记忆投毒攻击并提出 MPBench 基准

    系统研究 LLM 智能体记忆投毒并构建基准 MPBench

    arXiv
    2606.04329
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    Meta-Llama-3.1-70B-Instruct、Deberta-v3-base、Llama-3.1-8B-Instruct 等 5 个

    摘要系统研究了智能体记忆投毒风险，揭示了写入渠道漏洞，构建了 MPBench 基准并指出提示注入防御的局限。

    深度解读完整解读
已经到底了