全部论文

WebMirage 用对抗图像劫持视觉网页 Agent 的浏览器操作

提出 WebMirage，用对抗图像劫持视觉网页智能体的浏览器操作

arXiv

2610.09240

发表

10月7日

层

应用层

场景

网页与电脑操作

测试

Phi-3-Vision-4B、LLaVA-v1.5-13B、LLaVA-v1.6-34B 等 6 个

• 攻击提示注入
• 技术跨模态载荷
• 组件视觉
• +1+1

VERA：结构化审计发现约 60% 正确漏洞判定伴随虚构推理

提出 VERA，结构化审计漏洞推理中的虚构主张

arXiv

2610.06366

发表

10月5日

层

模型层

场景

编程 Agent

测试

nemotron-3-nano、sonnet-5、gemma-4-26b 等 11 个

• 风险幻觉与编造
• 组件推理链

HackTrace：用生成状态监督检测代码生成中的奖励作弊

提出 HACKTRACE，用生成期激活检测代码智能体的奖励作弊

arXiv

2610.03055

发表

10月2日

层

应用层

场景

编程 Agent

测试

CodeBERT、Qwen3-8B、Llama-3.1-8B-Instruct 等 4 个

• 防御监控与审计
• 风险奖励作弊
• 组件监控器

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

Nemotron-Cascade-2 30B、GLM-4.5-Air、GPT-5.4-mini 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

AuraForge：为训练安全编码 Agent 扩展安全监督

提出 AuraForge，从漏洞修复合成安全测试并监督训练编码智能体

arXiv

2610.00850

发表

10月2日

层

训练与数据层

场景

编程 Agent

测试

Nemotron 3.5、Qwen3.5-4B、Muse Spark 1.3 等 11 个

• 防御模型加固
• 风险Agent 危险操作

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

CGMIA：用成员推理攻击检测代码生成基准的数据泄漏

提出 CGMIA，用成员推理检测代码生成基准的数据泄漏

arXiv

2609.09865

发表

9月9日

层

模型层

场景

编程 Agent

攻击者

灰盒

测试

Phi-2 (2.7B)、Qwen2.5-Coder (3B)、CodeGemma (2B) 等 5 个

• 攻击提取与窃取