10月8日 · 周四

红队 · 论文

找到 2 篇

筛选1

攻击类型

防御类型

模型加固1 指令与数据隔离1 权限与审批1

影响

系统形态

模型与 API1 LLM 应用1 AI Agent9 编程 Agent3 网页与电脑操作2

攻击面/入口

网页与界面2 工具返回1 工具与技能描述1

层

系统组件

MCP 与技能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 95 篇还没打标签，不在筛选结果里。

系统形态：网页与电脑操作话题：红队清除全部

另有 95 篇论文还没打上分类标签，暂不在筛选结果里。

防御arXiv:2610.03089 · 10月2日
COBRA：为计算机使用 Agent 防御分支引导攻击的双 LLM 架构
提出 COBRA 双 LLM 架构，防御计算机使用智能体的分支转向攻击
网页与电脑操作测试gpt-5、UI-TARS-1.5-7B、claude-sonnet-5 等 6 个应用层
摘要提出分支转向防御架构 COBRA，通过事前能力约束与边界代理消除分支转向攻击并兼顾效用。
完整解读
防御arXiv:2609.22178 · 8月27日
SCOPE：训练有能力且安全的计算机使用智能体
提出 SCOPE 联合后训练计算机使用智能体的任务执行与安全决策
网页与电脑操作测试Qwen3.5-9B、SCOPE-mid-checkpoint、SCOPE-Capability-Safety 等 14 个应用层
- 模型加固
- 提示注入
完整解读

已经到底了