攻击arXiv 2609.117579月10日
研究者披露 AP2 支付协议的 Whisper 提示注入攻击并提出 A-VIP 防御
提出 A-VIP，将购物意图绑定到支付授权以阻断商户文本操控
arXiv
2609.11757
发表
9月10日
层
应用层
场景
AI Agent
测试
gemini-2.5-flash-lite、gemini-3.1-flash-lite、gemini-3-flash-preview 等 15 个
- 防御权限与审批
- 攻击提示注入
- 组件权限与沙箱
摘要论文揭示了 AP2 协议决策层受操纵的风险，提出结构化与权能绑定防御 A-VIP，并发布评测基准。
深度解读完整解读
攻击arXiv 2608.098678月11日
研究者利用加密推理块跨模型兼容性窃取专有 LLM 推理链
利用加密思维块的跨模型重放，诱导弱模型逐字转写专有推理链
arXiv
2608.09867
发表
8月11日
层
提示层
场景
模型与 API
攻击者
黑盒
测试
Claude Opus 4.8、Claude Sonnet 4.6、Claude Haiku 4.5 等 15 个
- 攻击提取与窃取
- 技术推理链操控
- 组件推理链
摘要论文揭示了客户端加密思维块跨模型互换漏洞，提出了低成本提取方法并给出防御方案。
深度解读完整解读
攻击arXiv 2608.275318月27日
MAMJ：面向视觉语言模型的元自适应多模态越狱攻击
提出 MAMJ，在元层面交替优化多模态越狱的策略提示与攻击者权重
arXiv
2608.27531
发表
8月27日
层
提示层
场景
模型与 API
攻击者
黑盒
测试
GPT-4o、Gemini-3-Pro-Preview、Seed 2.0 等 4 个
- 攻击越狱
- 技术自动化搜索
- 组件视觉
深度解读完整解读
攻击arXiv 2608.238588月25日
研究者对 Google AP2 v0.2 做系统安全分析，识别 48 项威胁
系统分析智能体支付协议 AP2，揭示合法签名无法阻止前置上下文操纵
arXiv
2608.23858
发表
8月25日
层
应用层
场景
AI Agent
测试
gpt-5.3、gpt-5.5
- 攻击提示注入
- 组件MCP 与技能
深度解读完整解读
攻击arXiv 2609.095539月9日
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
9月9日
层
提示层
场景
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
- 攻击越狱
- 技术编码与混淆
- 组件护栏与评审
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
攻击arXiv 2609.388999月30日
SceneJail：利用视频场景上下文越狱多模态大模型
提出 SceneJail，利用视频情境上下文越狱视频多模态模型
arXiv
2609.38899
发表
9月30日
层
提示层
场景
模型与 API
攻击者
黑盒
测试
Qwen2.5-VL-7B-Instruct、Qwen2.5-VL-32B-Instruct、Qwen3-VL-8B-Instruct 等 8 个
- 攻击越狱
- 技术跨模态载荷
- 组件视频
深度解读完整解读
攻击arXiv 2609.297759月24日
输出前缀攻击瞄准推理模型
提出推理通道预填与输出前缀组合攻击以越狱推理模型
arXiv
2609.29775
发表
9月24日
层
提示层
场景
模型与 API
攻击者
黑盒
测试
Gemini 3 Flash Preview、DeepSeek V4 Flash、Claude Haiku 4.5
- 攻击越狱
- 技术推理链操控
- 组件推理链
深度解读完整解读
攻击arXiv 2609.349209月28日
RISE：用迭代策略演化对现代文生图模型做红队测试
提出 RISE，迭代演化可复用策略对文生图模型做红队
arXiv
2609.34920
发表
9月28日
层
提示层
场景
模型与 API
攻击者
黑盒
测试
DALL·E 3、Nano Banana 2、GPT-Image-2 等 10 个
- 攻击越狱
- 技术自动化搜索
- 组件图像生成
深度解读完整解读

已经到底了