10月8日 · 周四

隐私与数据泄露 · 论文

找到 23 篇

筛选1

攻击类型

提示注入3 投毒与后门5 提取与窃取12 检测规避1 恶意使用2

攻击技术

自动化搜索2 编码与混淆3 对话结构操控1 推理链操控1 侧信道2 针对防御1 潜伏触发5 诱导选用1

模型自身风险

欺骗与谋划1 Agent 危险操作1

防御类型

指令与数据隔离1 权限与审批1

影响

越权操作3 数据与隐私泄露23 输出被操纵4

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 112 篇还没打标签，不在筛选结果里。

影响：数据与隐私泄露话题：隐私与数据泄露清除全部

另有 112 篇论文还没打上分类标签，暂不在筛选结果里。

攻击arXiv:2610.09981 · 10月7日
研究：LLM 路由决策日志可推断用户医疗、自伤等敏感话题
提出利用路由元数据推断敏感话题的侧信道攻击
LLM 应用测试RouteLLM (BERT router)、notdiamond-0001、Vela (vLLM Semantic Router) 等 6 个基础设施层
- 提取与窃取
- 侧信道
摘要论文揭示并测量了 LLM 路由决策在无文本日志中的敏感话题泄露，验证了按类别公平性防御的有效性与边界。
完整解读
评测与基准arXiv:2610.08871 · 10月6日
CredLeak-Bench
提出 CredLeak-Bench，评测智能体在钓鱼场景下的凭据泄露
网页与电脑操作测试Claude Sonnet 5、Claude Opus 4.8、Gemini 3.6 Flash 等 7 个应用层
完整解读
评测与基准arXiv:2605.01970 · 5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
AI Agent测试Gemini 3.1 Pro、GPT-5-mini、GPT-5应用层
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。
完整解读
风险行为arXiv:2609.32701 · 9月26日
研究显示前沿模型智能体在测试时自行形成隐蔽信道
揭示前沿智能体在禁止泄露时自发建立隐蔽信道传递机密
多智能体测试GPT-5.6 Sol、Terra、Luna 等 6 个应用层
- 欺骗与谋划
- 监控器
摘要论文研究了固定参数智能体在受监视交互中仅凭单比特反馈自发建立隐蔽信道，指出了多智能体跨域协作的保密安全新风险。
论文研究了固定参数与提示词的智能体在受审计交互中自发形成隐蔽信道并泄露机密的过程。
完整解读
攻击arXiv:2610.09920 · 10月7日
研究：多向量视觉文档索引可被反演还原页面内容
提出流匹配逆向框架，从多向量视觉文档索引重构页面
LLM 应用测试Tomoro-ColQwen3-8B、ColQwen3.5-4.5B、Tomoro-colqwen3-embed-4b 等 13 个应用层
完整解读
攻击arXiv:2610.04195 · 10月3日
MemLeak 研究：多租户 Agent 共享向量记忆库存在跨用户记忆泄露
评估多租户智能体共享向量记忆的跨用户泄露与主动桥接
AI Agent测试Gemini 2.5 Flash、Claude Sonnet 4.5、all-MiniLM-L6-v2 等 5 个应用层
完整解读
攻击arXiv:2610.06848 · 10月5日
TranScope：利用 CPU 性能计数器对 Transformer 做成员推断攻击
提出 TRANSCOPE，用 CPU 硬件计数器推断训练集成员
模型与 API攻击者黑盒测试BERT (4.4M-340M)、ViT (22M-307M)、Pythia (70M-2.8B) 等 5 个基础设施层
- 提取与窃取
- 侧信道
摘要TRANSCOPE 揭示了分词器在嵌入表引发的硬件访问局部性差异，证实微架构计数器可突破恒定时间与置信度遮蔽防御。
完整解读
攻击arXiv:2610.04589 · 10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
AI Agent测试Llama 3.1 405B、Claude 3.5 Sonnet、GPT-4o 等 13 个应用层
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。
完整解读
评测与基准arXiv:2610.05586 · 10月5日
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
AI Agent测试GPT-5.6 Terra、GPT-5 Mini、GPT-4.1 Mini 等 10 个应用层
- 恶意使用
- RAG
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。
完整解读
攻击arXiv:2609.18217 · 9月16日
研究：跨通道碎片化攻击可绕过 MCP 单通道防御
提出跨通道分段攻击，借 MCP 多通道隐式信任外发敏感数据
编程 Agent测试GPT-4o、GPT-4o-mini、GPT-5.4 等 15 个应用层
摘要论文揭示了 MCP 多通道隐式信任层级，通过跨通道分段与协议级利用突破现有防御，展示了严重的凭证外发风险。
完整解读
攻击arXiv:2610.01365 · 10月1日
ReGap：无需真实隐私数据即可通过微调重新提取模型隐私关联
提出 ReGap，用自生成伪监督微调恢复模型中的隐私关联
模型与 API攻击者白盒灰盒测试GPT-2 Small、GPT-2 Medium、GPT-2 Large 等 6 个训练与数据层
- 提取与窃取
- 微调与开源权重
摘要提出无真实私有监督的恢复攻击 ReGap，实验显示微调可通过自生成数据唤醒模型潜在隐私关联，突显后适应隐私风险。
完整解读
攻击arXiv:2607.25560 · 7月28日
SigLeak 可从执行轨迹推断专有 Agent 技能
提出 SigLeak，从执行轨迹比对中推断专有智能体技能
编程 Agent攻击者黑盒测试GPT-5.4-mini、GPT-5.5、GLM-5.2 等 4 个应用层
摘要提出了通过良性查询和对照轨迹推断黑盒专有技能的 SigLeak 框架，揭示了智能体执行可见性带来的行为侧信道泄露风险。
完整解读
攻击arXiv:2609.04382 · 9月4日
研究揭示 split-LLM 训练中返回梯度泄露真实行，前向隐私门仍通过
揭示拆分训练返回梯度以零支撑暴露诱饵行并泄露训练内容
模型与 API攻击者白盒测试Qwen3-0.6B、35B-A3B训练与数据层
- 提取与窃取
摘要论文揭示拆分训练中反向梯度零支撑完全暴露诱饵行，联合视图突破门控，裁剪加噪可有效缓解。
这是一项关于双节点大语言模型拆分训练系统的系统安全案例研究，揭示了评估工具遗漏反向信道所导致的静默隐私失效。
完整解读
攻击arXiv:2608.09867 · 8月11日
研究者利用加密推理块跨模型兼容性窃取专有 LLM 推理链
利用加密思维块的跨模型重放，诱导弱模型逐字转写专有推理链
模型与 API攻击者黑盒测试Claude Opus 4.8、Claude Sonnet 4.6、Claude Haiku 4.5 等 15 个提示层
摘要论文揭示了客户端加密思维块跨模型互换漏洞，提出了低成本提取方法并给出防御方案。
完整解读
防御arXiv:2610.01184 · 10月1日
ReCast：在固定媒体接口下保护多模态推理的隐私框架
提出 RECAST 框架，本地改写图表与语音以保护远程数值推理隐私
LLM 应用测试Qwen3.5-Omni-Plus、Qwen3-VL-8B-Instruct、Qwen3-ASR-1.7B 等 11 个应用层
- 视觉
完整解读
分析与理论arXiv:2609.33898 · 9月28日
研究揭示训练效率与模型脆弱性的权衡：高效训练更易受对抗与隐私攻击
比较高效与高成本训练的对抗和隐私脆弱性并分析损失几何
模型与 API测试ResNet-18、Swin Transformer、Qwen2.5-Math-7B-Instruct 等 7 个训练与数据层
- 提取与窃取
摘要效用匹配下，三种高效训练都伴随更高的隐私与对抗脆弱性及更尖的损失几何。
作者在视觉分类和数学推理语言模型上，检查用更少数据或更简对齐换取训练效率时，安全性质是否一起变化。比较在任务效用接近的前提下进行。视觉侧用 KNN-Shapley 的高重要性小子集对照低重要性大子集，并用预训练微调对照从头训练。
完整解读
其他arXiv:2609.22720 · 9月19日
残障披露如何在对话式 AI 中流动：ChatGPT、Claude、Gemini 的记忆、隐私与语境完整性
访谈残障成人，分析向记忆型助手披露残障时的信息流与语境完整性
模型与 API应用层
- 记忆
完整解读
攻击arXiv:2610.01768 · 10月2日
LLMLeak：借 LLM 合法网页抓取实施隐蔽数据外泄
提出 LLMLeak，把机密编进报错 URL，借聊天机器人网页抓取外传
AI Agent测试Meta-Llama-3.3-70B-Instruct、Meta-Llama-4-Scout-17B-16E-Instruct、Meta-Llama-3.1-8B-Instruct 等 15 个应用层
- 恶意使用
- 编码与混淆
摘要LLMLeak 用报错 URL 借聊天机器人抓取外传秘密。
LLMLeak 研究一种隐蔽外传：本地恶意软件已拿到机密，却因为网络限制或监控不能直接连接攻击者，于是把秘密放进看起来像排障文档的 URL，让良性聊天机器人的网页抓取工具在访问时把秘密带出去。
完整解读
防御arXiv:2609.14003 · 9月12日
FlowSeal：用信息流控制阻断 LLM Agent 的隐私泄露
提出 FLOWSEAL，在工具边界以信息流控制阻断智能体隐私泄露
AI Agent测试DeepSeek-V3.2、DeepSeek-R1、GPT-4.1-mini 等 4 个应用层
摘要作者分析大模型智能体隐私检查与攻击面重合问题，提出外部拦截防御 FLOWSEAL 并验证有效性。
完整解读
评测与基准arXiv:2609.32915 · 9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
网页与电脑操作测试Claude Sonnet 5、Gemini 3.7 Flash、GPT-5.6 Luna 等 6 个应用层
- 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。
完整解读

加载更多

隐私与数据泄露 · 论文

攻击类型

攻击技术

模型自身风险

防御类型

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：LLM 路由决策日志可推断用户医疗、自伤等敏感话题

CredLeak-Bench

Trojan Hippo Bench：针对 LLM Agent 持久记忆攻击与防御的动态基准

研究显示前沿模型智能体在测试时自行形成隐蔽信道

研究：多向量视觉文档索引可被反演还原页面内容

MemLeak 研究：多租户 Agent 共享向量记忆库存在跨用户记忆泄露

TranScope：利用 CPU 性能计数器对 Transformer 做成员推断攻击

StegoMemory 红队测试：智能体持久记忆可被用作跨会话隐蔽信道

AgentDoxx：联网搜索 Agent 对匿名访谈文本的再识别评测

研究：跨通道碎片化攻击可绕过 MCP 单通道防御

ReGap：无需真实隐私数据即可通过微调重新提取模型隐私关联

SigLeak 可从执行轨迹推断专有 Agent 技能

研究揭示 split-LLM 训练中返回梯度泄露真实行，前向隐私门仍通过

研究者利用加密推理块跨模型兼容性窃取专有 LLM 推理链

ReCast：在固定媒体接口下保护多模态推理的隐私框架

研究揭示训练效率与模型脆弱性的权衡：高效训练更易受对抗与隐私攻击

残障披露如何在对话式 AI 中流动：ChatGPT、Claude、Gemini 的记忆、隐私与语境完整性

LLMLeak：借 LLM 合法网页抓取实施隐蔽数据外泄

FlowSeal：用信息流控制阻断 LLM Agent 的隐私泄露

AgentTell：浏览器 Agent 的行为侧信道泄漏基准