跳到正文
10月10日 · 周六

全部论文

找到 5 篇
筛选7

攻击类型

投毒与后门3

攻击技术

梯度与表征优化1编码与混淆1推理链操控8针对防御3潜伏触发3

系统形态

模型与 API2AI Agent15coding agent3

攻击面/入口

用户输入3

层

应用层3

系统组件

MCP 与技能6记忆3护栏与评审9推理链2微调与开源权重14视觉10音频3图像生成4多模态18
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 332 篇还没打标签，不在筛选结果里。
攻击技术：梯度与表征优化攻击技术：编码与混淆攻击技术：潜伏触发系统形态：模型与 API系统形态：coding agent系统组件：记忆系统组件：推理链清除全部

另有 332 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 攻击arXiv 2609.13889

    PMPA：针对 OpenClaw 与 Claude Code 的持久记忆投毒攻击

    提出 PMPA，经外部源向 Agent 持久记忆投毒并跨会话泄露隐私

    arXiv
    2609.13889
    发表
    层
    应用层
    场景
    coding agent
    被测模型
    DeepSeek-V4-Flash、DeepSeek-V4-Pro、Qwen3-Max

    摘要论文提出了持久记忆投毒攻击 PMPA，报告了 harness 智能体在处理外部数据时易受跨会话记忆投毒与隐私泄露的风险。

    深度解读完整解读
  2. 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

    arXiv
    2609.09553
    发表
    层
    提示层
    场景
    模型与 API
    攻击者
    黑盒
    被测模型
    Claude Sonnet 4、Claude Sonnet 4.5、Gemini 3 Flash (preview) 等 7 个

    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。

    深度解读完整解读
已经到底了