10月9日 · 周五

全部论文

找到 2 篇

筛选6

攻击类型

提示注入2 投毒与后门1

防御类型

检测与过滤1 指令与数据隔离2 权限与审批2 监控与审计4

影响

系统形态

LLM 应用1 AI Agent6 编程 Agent1 网页与电脑操作1 多智能体0

攻击面/入口

用户输入1 网页与界面5 文档与消息1 工具返回3 代码仓库与依赖1 记忆写入1 Agent 间消息2

层

系统组件

记忆1 权限与沙箱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 548 篇还没打标签，不在筛选结果里。

防御类型：指令与数据隔离系统形态：编程 Agent 系统形态：网页与电脑操作系统形态：多智能体攻击面/入口：文档与消息攻击面/入口：代码仓库与依赖清除全部

另有 548 篇论文还没打上分类标签，暂不在筛选结果里。

防御arXiv 2607.195957月22日
Twin Agent：面向权限分离智能体的上下文残差压缩
提出 Twin Agent，用受限残差 hint 隔离不可信输入与特权动作
arXiv
2607.19595
发表
7月22日
层
应用层
场景
编程 Agent
测试
GPT-5.2、Gemini-2.5-Flash、Gemini-3.5-Flash
- 防御指令与数据隔离
- 攻击提示注入
深度解读完整解读
防御arXiv 2610.0045010月1日
ZoneClaw 用记忆分区防御 OpenClaw 式计算机使用 Agent 的持久记忆攻击
提出 ZoneClaw，用信任区隔离计算机使用 Agent 的持久记忆权限
arXiv
2610.00450
发表
10月1日
层
应用层
场景
网页与电脑操作
测试
Claude Sonnet 4.6、GPT-5.5、GLM-5.2 等 4 个
- 防御指令与数据隔离
- 攻击投毒与后门
- 组件记忆
深度解读完整解读

已经到底了