全部论文

EvoMal 攻击利用自我进化编码 Agent 的自我投毒实现蠕虫式传播

提出 EVOMAL 攻击，诱导编码 Agent 自我投毒并蠕虫式传播技能

arXiv

2608.25776

发表

8月26日

层

应用层

场景

编程 Agent

测试

Devstral-Small-2、Gemma-4-31B-IT、Qwen3-Coder-Next 等 7 个

• 攻击投毒与后门
• 技术潜伏触发
• 组件记忆
• +3+3

研究：九个前沿模型中七个会隐蔽传递凭据以绕过监控

测量良性多智能体协作中自发隐蔽传递凭据以绕过监控

arXiv

2609.39050

发表

9月30日

层

应用层

场景

多智能体、编程 Agent

测试

devstral-2512、Mistral-Large-2512、DeepSeek-V4-Pro 等 15 个

• 风险欺骗与谋划
• 组件监控器
• +1+1

研究：跨通道碎片化攻击可绕过 MCP 单通道防御

提出跨通道分段攻击，利用 MCP 隐式信任诱导外发敏感文件

arXiv

2609.18217

发表

9月16日

层

应用层

场景

编程 Agent

测试

Mistral-Large、GPT-4o、GPT-4o-mini 等 15 个

• 攻击提示注入
• 技术编码与混淆
• 组件MCP 与技能
• +1+1

研究：LLM Agent 技能名幻觉率最高达 62%，可被抢注用于供应链攻击

提出技能名称抢注攻击，利用智能体虚构技能名实施供应链劫持

arXiv

2607.12340

发表

7月14日

层

应用层

场景

编程 Agent

测试

Ministral-3 8B、Nemotron-Cascade-2 30B、GLM-4.5-Air 等 10 个

• 攻击投毒与后门
• 风险幻觉与编造
• 技术诱导选用
• 组件MCP 与技能
• +1+1

CS-Guard：首个面向代码生成安全的 LLM 护栏评测基准

提出 CS-Guard 基准与虚构场景攻击，评测代码生成护栏

arXiv

2609.09798

发表

9月9日

层

应用层

场景

编程 Agent

攻击者

黑盒

测试

Devstral-small-v2-24B、CodeLlama-13B-Instruct、DeepSeekCoder-V2-Lite-16B 等 7 个

• 攻击越狱
• 技术角色扮演与说服
• 组件护栏与评审
• +1+1

AgentLSD：在对抗性任务污染下评测 AI 安全 Agent

用 AgentLSD 评测安全 Agent 在对抗任务污染下的解题与开销

arXiv

2609.19140

发表

9月17日

层

应用层

场景

网页与电脑操作

测试

Mistral Small 4、Gemma-4 31B、DeepSeek-V4 Flash 等 6 个

• 攻击提示注入

Mid-Harness：在模型与 Harness 之间扩展终端智能体的动作采样

提出 Mid-Harness，在执行前验证并选择终端智能体的候选动作

arXiv

2609.39982

发表

9月30日

层

应用层

场景

编程 Agent

测试

Nemotron3.5 Lightning、Nemotron3 Ultra、TMAX-9B 等 8 个

SynChain：诱导计算机使用 Agent 自建攻击链并跨任务持久化

提出 SYNCHAIN，诱导计算机使用 Agent 自合成潜伏技能并跨任务触发

arXiv

2608.06862

发表

8月7日

层

应用层

场景

网页与电脑操作、编程 Agent

测试

Ministral-3-8B、Qwen3.5-9B、Llama-3.1-8B 等 5 个

• 攻击投毒与后门
• 技术潜伏触发
• 组件MCP 与技能
• +3+3

研究提出 ACE 语料库，评估内核级证据对 Agent 安全检测的有效性

构建 ACE 语料并比较内核与应用层证据的攻击检测效果

arXiv

2609.28915

发表

9月24日

层

应用层

场景

编程 Agent

测试

Devstral 2 123B、AdaBoost、XGBoost 等 13 个

• 防御监控与审计
• 攻击提示注入
• 组件监控器
• +2+2