评测与基准arXiv 2608.162468月17日
CompoSkill 框架利用逐个通过扫描的 Agent 技能组合发起攻击
提出 CompoSkill，诱导 Agent 将过审技能组合成攻击链
arXiv
2608.16246
发表
8月17日
层
应用层
场景
AI Agent
测试
GPT-5.4、Gemini-3.1-flash、DeepSeek-V4 等 4 个
- 攻击提示注入
- 技术针对防御
- 组件MCP 与技能
摘要论文分析了智能体技能组合风险，指出单包安全认证状态不具备可组合性，需转向路径级防护。
深度解读完整解读
评测与基准arXiv 2610.0887110月6日
CredLeak-Bench
提出 CredLeak-Bench，评测 Agent 在钓鱼登录与收件箱中的凭据泄露
arXiv
2610.08871
发表
10月6日
层
应用层
场景
网页与电脑操作
测试
Claude Sonnet 5、Claude Opus 4.8、Gemini 3.6 Flash 等 7 个
- 攻击提示注入
深度解读完整解读
评测与基准arXiv 2605.019705月3日
Trojan Hippo Bench：针对 LLM Agent 持久记忆攻击与防御的动态基准
提出 Trojan Hippo Bench，评测智能体持久记忆攻击与防御
arXiv
2605.01970
发表
5月3日
层
应用层
场景
AI Agent
测试
Gemini 3.1 Pro、GPT-5-mini、GPT-5
- 攻击投毒与后门
- 技术潜伏触发
- 组件记忆
摘要论文提出了评测智能体持久化记忆攻击与防御的 Trojan Hippo Bench，揭示了潜伏攻击威胁及内存防御的安全与效用权衡。
深度解读完整解读
评测与基准arXiv 2610.0458910月3日
StegoMemory 红队测试：智能体持久记忆可被用作跨会话隐蔽信道
用 StegoMemory 测试智能体持久记忆作为跨会话隐写信道的可行性
arXiv
2610.04589
发表
10月3日
层
应用层
场景
AI Agent
测试
Llama 3.1 405B、Claude 3.5 Sonnet、GPT-4o 等 13 个
- 攻击投毒与后门
- 技术编码与混淆
- 组件记忆
摘要研究揭示智能体持久记忆可作为隐蔽信道跨会话传输机密，写入持久化是主要防御瓶颈，呼吁建立记忆完整性防御。
深度解读完整解读
评测与基准arXiv 2610.0558610月5日
AgentDoxx：联网搜索 Agent 对匿名访谈文本的再识别评测
用 AGENTDOXX 评测搜索 Agent 对匿名访谈的再识别
arXiv
2610.05586
发表
10月5日
层
应用层
场景
AI Agent
测试
GPT-5.6 Terra、GPT-5 Mini、GPT-4.1 Mini 等 10 个
- 攻击恶意使用
摘要论文提出了已知身份的重识别基准 AGENTDOXX，揭示搜索与记忆双重风险及现有防御在检索轨迹中的泄露漏洞。
深度解读完整解读
评测与基准arXiv 2607.185387月21日
CryptanalysisBench：五个前沿模型在 191 项密码分析任务上的表现
提出 CryptanalysisBench，评测模型端到端破解真实密码原语的能力
arXiv
2607.18538
发表
7月21日
层
应用层
场景
编程 Agent
测试
Claude Opus 4.8、Claude Sonnet 5、Claude Mythos 5 等 10 个
- 风险危险能力
摘要提出真实密码原语分析基准，证实前沿模型具备显著分析能力并能发现未公开设计缺陷。
深度解读完整解读
评测与基准arXiv 2609.239809月21日
斯坦福与 UC Berkeley 发布 MobileCybench：用可执行探针评测 Agent 漏洞发现
提出 MobileCybench，用可执行探针评测编程智能体的漏洞发现与利用
arXiv
2609.23980
发表
9月21日
层
应用层
场景
编程 Agent
测试
OpenCode/GPT-5.5、OpenCode/GPT-5.6-Sol、OpenCode/GLM-5.2 等 5 个
- 风险危险能力
深度解读完整解读
评测与基准arXiv 2608.006778月1日
OpenART 提出环境演化红队框架
构建 OpenART 竞技场并以 EMHA 演化环境诱导 Agent 违规
arXiv
2608.00677
发表
8月1日
层
应用层
场景
AI Agent
测试
GPT-5.5、Claude-Opus-4.8、GLM-5.2 等 5 个
- 攻击提示注入
- 技术自动化搜索
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
评测与基准arXiv 2609.090879月9日
PrivEscalate：面向 LLM 自动化 Linux 提权的 531 场景基准与 PrivEscAgent 增强方案
构建 PrivEscalate 评测 Linux 提权并设计 PrivEscAgent
arXiv
2609.09087
发表
9月9日
层
应用层
场景
AI Agent
测试
GPT-5.4、Claude Sonnet 4.6、GPT-4.1 等 6 个
- 攻击恶意使用
深度解读完整解读
评测与基准arXiv 2609.165419月15日
自主网络事件响应智能体的网络靶场评估
评测仿真训练的网络事件响应智能体在靶场中阻止红队扩大访问的综合代价
arXiv
2609.16541
发表
9月15日
层
应用层
场景
AI Agent
测试
Vejde、Vejde w/ Noise、Heuristic 等 4 个
摘要靶场评测显示带噪声的仿真 RL 策略平均回报最高，但作者称离实用仍远。
作者在给人训练用的靶场 Crate 里，评测仿真训练的自主网络入侵响应智能体。。
深度解读完整解读
评测与基准arXiv 2606.142956月12日
AgentCyberRange：复旦团队发布真实网络靶场自主攻击能力基准
提出 AgentCyberRange，评测智能体自主实施网络攻击的能力
arXiv
2606.14295
发表
6月12日
层
应用层
场景
编程 Agent
测试
GPT-5.5、Claude-Opus-4.7、GLM-5.1 等 7 个
- 风险危险能力
摘要构建开放多靶场评测基础设施 AGENTCYBERRANGE，测定前沿 AI 网络攻击能力并揭示其端到端规划短板。
深度解读完整解读
评测与基准arXiv 2609.329159月26日
AgentTell：浏览器 Agent 的行为侧信道泄漏基准
构建 AGENTTELL 基准，测量浏览器智能体跨站行为侧信道泄露
arXiv
2609.32915
发表
9月26日
层
应用层
场景
网页与电脑操作
测试
Claude Sonnet 5、Gemini 3.7 Flash、GPT-5.6 Luna 等 6 个
- 风险Agent 危险操作
摘要论文评估了浏览器智能体的行为侧信道泄露风险，并基于近万次会话提供了评测数据。
深度解读完整解读

已经到底了