10月8日 · 周四

Agent 安全 · 论文

找到 3 篇

筛选2

攻击类型

越狱1 提示注入1 投毒与后门1

攻击技术

梯度与表征优化1 自动化搜索1 潜伏触发2

影响

有害内容1 越权操作1 输出被操纵1

系统形态

模型与 API2 LLM 应用2 AI Agent44 编程 Agent19 网页与电脑操作4 多智能体4 具身与机器人1

攻击者权限

攻击面/入口

用户输入2 图像与音视频1 权重与梯度1 分发渠道1

层

提示层1 训练与数据层1 基础设施层1

系统组件

微调与开源权重1 视觉1 多模态1

被测模型厂商

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 383 篇还没打标签，不在筛选结果里。

系统形态：模型与 API 系统形态：具身与机器人话题：Agent 安全清除全部

另有 383 篇论文还没打上分类标签，暂不在筛选结果里。

攻击arXiv:2610.09027 · 10月7日
P-VMI：对抗图像经 KV cache 持续影响多轮对话
提出持久视觉记忆注入，使对抗图像经缓存在触发时操控输出
模型与 API测试Qwen3-8B、Qwen3-VL-8B-Instruct、Gemma-4-12B 等 4 个基础设施层
摘要论文提出 P-VMI，证实对抗输入被掩蔽后仍可经 KV 缓存持久控制模型，强调了保留状态的安全风险。
完整解读
攻击arXiv:2608.16465 · 8月17日
JailbreakSkill：用可复用可演化技能扩展自动化红队
提出 JailbreakSkill，用可演化技能自动搜索并复用越狱提示
模型与 API攻击者黑盒测试GLM 5.2、DeepSeek-V4-Pro Preview、Llama-3.3-70B-Instruct 等 8 个提示层
- 越狱
- 自动化搜索
完整解读
攻击arXiv:2609.07051 · 9月7日
TrojanWorld：通过想象引导对世界模型智能体植入后门
提出 TrojanWorld，通过想象引导给世界模型智能体植入供应链后门
具身与机器人测试TD-MPC2、DreamerV3、R2-Dreamer训练与数据层
摘要TrojanWorld 揭示了世界模型智能体的供应链后门风险，通过在世界模型中操纵想象可实现对闭环动作的持续控制。
完整解读

已经到底了