全部论文

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

Gemini-3.1-flash、GPT-5.4、DeepSeek-V4 等 4 个

• 攻击提示注入
• 技术针对防御
• 组件MCP 与技能
• +1+1

CredLeak-Bench

提出 CredLeak-Bench，评测智能体在钓鱼场景下的凭据泄露

arXiv

2610.08871

发表

10月6日

层

应用层

场景

网页与电脑操作

测试

Gemini 3.6 Flash、Claude Sonnet 5、Claude Opus 4.8 等 7 个

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
• +2+2

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

Gemini 1.5 Pro、Gemini 2.0 Flash、Llama 3.1 405B 等 13 个

• 攻击投毒与后门
• 技术编码与混淆
• 组件记忆
• +1+1

AgentDoxx：联网搜索 Agent 对匿名访谈文本的再识别评测

构建 AGENTDOXX 评测联网搜索智能体对匿名访谈的再识别能力

arXiv

2610.05586

发表

10月5日

层

应用层

场景

AI Agent

测试

Gemini 3.7 Flash、Gemini 3.1 Pro Preview、GPT-5.6 Terra 等 10 个

• 攻击恶意使用
• 组件RAG

KaliBench：面向 Kali Linux 网络安全工具使用的细粒度基准

提出 KaliBench，评测模型把安全意图译成 Kali 命令的能力

arXiv

2610.02206

发表

10月1日

层

模型层

场景

模型与 API

测试

Gemma-3-it 27B、Llama3.1-Instruct 8B、Qwen3 8B 等 15 个

• 风险危险能力

ACEA：面向红蓝队对抗的 LLM 协同演化测试平台

提出红蓝对抗评测平台 ACEA，分开计量攻击强度与防御效果

arXiv

2609.08256

发表

9月8日

层

提示层

场景

模型与 API

测试

google/gemini-2.5-pro、google/gemma-3-27b-it、openai/gpt-4o 等 5 个

• 攻击越狱
• 组件护栏与评审

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

Gemini 3.7 Flash、Claude Sonnet 5、GPT-5.6 Luna 等 6 个

• 风险Agent 危险操作

研究审计 Agent 安全评测缺陷：工具调用中介在间接提示注入下的有效评测框架

提出卡点评测框架，以实参级谓词审计间接提示注入评测的测量偏差

arXiv

2609.32691

发表

9月26日

层

应用层

场景

AI Agent

测试

gemma4:12b、gpt-5.6-terra、llama3.1:8b 等 4 个

• 攻击提示注入
• 组件权限与沙箱