另有 530 篇论文还没打上分类标签，暂不在筛选结果里。
系统研究 LLM 智能体记忆投毒并构建基准 MPBench
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。
提出 Trojan Hippo Bench，评测智能体持久记忆攻击与防御
摘要论文提出了评测智能体持久化记忆攻击与防御的 Trojan Hippo Bench，揭示了潜伏攻击威胁及内存防御的安全与效用权衡。
提出 M-CPE 与 X-CPE 两类上下文特权提升攻击
提出 CoSec 基准，评测社区智能体的隐私与授权边界
评测编码智能体记忆文件中的提示注入及其跨会话持久性
Bad Memory 在沙箱合成工作区里评测文件型持久记忆上的提示注入，比较载荷能否改变当前会话，以及能否在后续会话中留下或叠加。
提出类型化溯源与断言护栏，约束持久 Agent 的自传断言释放
综述智能体执行链路中的越狱攻击、防御与实践权衡
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。
提出 S³ 多阶段防御，由 guard agent 编排阶段安全技能检测并缓解风险
提出免训练框架 SED，把智能体有害轨迹蒸馏成可检索安全策略
提出 Pictionary，将不可信文本渲染为图像以防御提示注入