跳到正文
10月8日 · 周四

全部论文

找到 3 篇
筛选2

攻击类型

提示注入2

攻击技术

自动化搜索1

模型自身风险

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4数据与隐私泄露4输出被操纵3

系统形态

模型与 API1AI Agent2

攻击面/入口

用户输入5文档与消息1工具返回3工具与技能描述3代码仓库与依赖1检索语料2记忆写入2图像与音视频3训练数据1权重与梯度2分发渠道3推理服务与硬件1

层

应用层3

系统组件

MCP 与技能1权限与沙箱2

被测模型厂商

其他3
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 1005 篇还没打标签，不在筛选结果里。
影响：输出被操纵攻击面/入口：工具返回清除全部

另有 1005 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 攻击arXiv 2609.11757

    研究者披露 AP2 支付协议的 Whisper 提示注入攻击并提出 A-VIP 防御

    提出 A-VIP，将购物意图绑定到支付授权以阻断商户文本操控

    arXiv
    2609.11757
    发表
    层
    应用层
    场景
    AI Agent
    测试
    gemini-2.5-flash-lite、gemini-3.1-flash-lite、gemini-3-flash-preview 等 15 个

    摘要论文揭示了 AP2 协议决策层受操纵的风险，提出结构化与权能绑定防御 A-VIP，并发布评测基准。

    深度解读完整解读
  2. 攻击arXiv 2608.29381

    研究者提出 Agent 检查点回滚的五类安全失效，并在 Hermes、Cline、LangGraph 上实现三种攻击

    提出破坏执行连续性的回滚攻击，揭示检查点恢复的安全故障

    arXiv
    2608.29381
    发表
    层
    应用层
    场景
    AI Agent
    测试
    DeepSeek-v4

    摘要论文系统研究了智能体 C/R 的安全性，分析了合法回滚破坏执行连续性的机理，并实证评估了其普遍性与危害。

    深度解读完整解读
  3. 攻击arXiv 2609.28613

    研究：提示注入可改变 Jev 决策模型的行动概率

    测量间接提示注入对类型化概率决策的动作劫持

    arXiv
    2609.28613
    发表
    层
    应用层
    场景
    模型与 API
    测试
    jev-1.13.0
    摘要封闭动作集改变提示注入的表现，但没有去掉概率被不可信内容移动的风险。

    作者在 jev-1.13.0 上研究 decision hijacking：不可信内容能否在用户任务和可选动作都不变时，把类型化决策推向攻击者目标。

    深度解读完整解读
已经到底了