攻击arXiv 2607.039687月5日
研究揭示 IDE 编程 Agent 的工作流级越狱：GitHub Copilot 四后端 816/816 生成有害内容
提出工作流级越狱构建，经多轮开发工作流诱导编程 Agent 在代码中写出有害内容
arXiv
2607.03968
发表
7月5日
层
应用层
场景
编程 Agent
攻击者
黑盒、无盒
测试
Claude Sonnet 4.6、Claude Haiku 4.5、Gemini 3.1 Pro 等 5 个
- 攻击越狱
- 技术多轮渐进
摘要论文揭示了 IDE 编程智能体在多轮开发工作流中会绕过单轮拒答并自行写出有害代码，呼吁防御转向工作流与代码产物级审查。
深度解读完整解读
评测与基准arXiv 2607.146117月16日
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
摘要已植入记忆文件的载荷可以跨会话影响 Claude Code 与 Codex，攻击成功与载荷是否留下是两种不同的失败。
Bad Memory 在沙箱合成工作区里评测文件型持久记忆上的提示注入，比较载荷能否改变当前会话，以及能否在后续会话中留下或叠加。
深度解读完整解读
攻击arXiv 2609.153839月14日
微软团队提出 capability laundering 攻击：弱模型拆分任务向对齐前沿模型套取能力
提出能力洗钱攻击，让未对齐编排器拆分任务向对齐模型套取能力
arXiv
2609.15383
发表
9月14日
层
应用层
场景
编程 Agent
攻击者
黑盒
测试
GPT-5.5、Claude Opus 4.8、Grok-4.3 等 7 个
- 攻击恶意使用
- 风险危险能力
- 技术多轮渐进
摘要作者提出了能力洗钱攻击，发现未对齐编排器分解咨询对齐模型可恢复能力差距，指出需建立跨会话防御。
深度解读完整解读
攻击arXiv 2608.068628月7日
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
Qwen3.5-9B、Llama-3.1-8B、Ministral-3-8B 等 5 个
- 攻击投毒与后门
- 技术潜伏触发
- 组件MCP 与技能
摘要论文揭示了 CUA 自合成工件带来的内部供应链威胁，验证了潜伏载荷的跨任务传播能力与防御局限。
深度解读完整解读

已经到底了

Anthropic · 论文

攻击类型

攻击技术

模型自身风险

影响

系统形态

攻击者权限

攻击面/入口

层

系统组件

被测模型厂商

研究揭示 IDE 编程 Agent 的工作流级越狱：GitHub Copilot 四后端 816/816 生成有害内容

论文评测 Claude Code 与 Codex 记忆文件中的提示注入风险

微软团队提出 capability laundering 攻击：弱模型拆分任务向对齐前沿模型套取能力

SynChain：诱导计算机使用 Agent 自建攻击链并跨任务持久化