全部论文

CompoSkill 框架利用逐个通过扫描的 Agent 技能组合发起攻击

提出 CompoSkill，诱导 Agent 将过审技能组合成攻击链

arXiv

2608.16246

发表

8月17日

层

应用层

场景

AI Agent

测试

GPT-5.4、Gemini-3.1-flash、DeepSeek-V4 等 4 个

• 攻击提示注入
• 技术针对防御
• 组件MCP 与技能
• +1+1

CredLeak-Bench

提出 CredLeak-Bench，评测 Agent 在钓鱼登录与收件箱中的凭据泄露

arXiv

2610.08871

发表

10月6日

层

应用层

场景

网页与电脑操作

测试

Claude Sonnet 5、Claude Opus 4.8、Gemini 3.6 Flash 等 7 个

• 攻击提示注入

Trojan Hippo Bench：针对 LLM Agent 持久记忆攻击与防御的动态基准

提出 Trojan Hippo Bench，评测智能体持久记忆攻击与防御

arXiv

2605.01970

发表

5月3日

层

应用层

场景

AI Agent

测试

Gemini 3.1 Pro、GPT-5-mini、GPT-5

• 攻击投毒与后门
• 技术潜伏触发
• 组件记忆
• +2+2

StegoMemory 红队测试：智能体持久记忆可被用作跨会话隐蔽信道

用 StegoMemory 测试智能体持久记忆作为跨会话隐写信道的可行性

arXiv

2610.04589

发表

10月3日

层

应用层

场景

AI Agent

测试

Llama 3.1 405B、Claude 3.5 Sonnet、GPT-4o 等 13 个

• 攻击投毒与后门
• 技术编码与混淆
• 组件记忆
• +1+1

AgentDoxx：联网搜索 Agent 对匿名访谈文本的再识别评测

用 AGENTDOXX 评测搜索 Agent 对匿名访谈的再识别

arXiv

2610.05586

发表

10月5日

层

应用层

场景

AI Agent

测试

GPT-5.6 Terra、GPT-5 Mini、GPT-4.1 Mini 等 10 个

• 攻击恶意使用

OpenART 提出环境演化红队框架

构建 OpenART 竞技场并以 EMHA 演化环境诱导 Agent 违规

arXiv

2608.00677

发表

8月1日

层

应用层

场景

AI Agent

测试

GPT-5.5、Claude-Opus-4.8、GLM-5.2 等 5 个

• 攻击提示注入
• 技术自动化搜索

论文评测 Claude Code 与 Codex 记忆文件中的提示注入风险

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

arXiv

2607.14611

发表

7月16日

层

应用层

场景

编程 Agent

测试

Claude Haiku 4.5、Claude Opus 4.7、GPT-5.2 等 4 个

• 攻击投毒与后门
• 技术潜伏触发
• 组件记忆
• +1+1

自主网络事件响应智能体的网络靶场评估

评测仿真训练的网络事件响应智能体在靶场中阻止红队扩大访问的综合代价

arXiv

2609.16541

发表

9月15日

层

应用层

场景

AI Agent

测试

Vejde、Vejde w/ Noise、Heuristic 等 4 个

AgentTell：浏览器 Agent 的行为侧信道泄漏基准

构建 AGENTTELL 基准，测量浏览器智能体跨站行为侧信道泄露

arXiv

2609.32915

发表

9月26日

层

应用层

场景

网页与电脑操作

测试

Claude Sonnet 5、Gemini 3.7 Flash、GPT-5.6 Luna 等 6 个

• 风险Agent 危险操作

研究揭示 LLM 交付物修订痕迹导致的无意泄露，并提出 RevLeakBench 基准

提出 RevLeakBench 测量交付物修订痕迹造成的无意泄露

arXiv

2609.35408

发表

9月28日

层

模型层

场景

AI Agent

测试

GPT-5.6、GPT-5.5、DeepSeek-V4-Pro 等 6 个

• 风险Agent 危险操作