跳到正文
10月8日 · 周四

Anthropic · 论文

找到 4 篇
筛选2

攻击类型

提示注入3投毒与后门2提取与窃取1

攻击技术

编码与混淆1对话结构操控1推理链操控1潜伏触发3

防御类型

检测与过滤1

影响

越权操作3数据与隐私泄露1

系统形态

模型与 API1AI Agent3编程 Agent2网页与电脑操作1

攻击者权限

黑盒1

攻击面/入口

用户输入8网页与界面1文档与消息2工具与技能描述2代码仓库与依赖3记忆写入3图像与音视频1分发渠道1

层

提示层1应用层3

系统组件

MCP 与技能2记忆2护栏与评审1推理链1权限与沙箱1

被测模型厂商

其他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 17 篇还没打标签，不在筛选结果里。
攻击面/入口：工具与技能描述攻击面/入口：代码仓库与依赖话题：Anthropic清除全部

另有 17 篇论文还没打上分类标签，暂不在筛选结果里。

  4. 攻击arXiv:2609.22510 ·

    特拉维夫大学提出爆炸性提示词：条件触发的间接提示注入可绕过九款生产 Agent

    提出爆炸提示词，用条件触发的间接注入延迟诱发恶意工具调用

    AI Agent测试Llama-3.1-8B-Instruct、Llama-3.1-70B-Instruct、Qwen2.5-32B-Instruct 等 14 个应用层
    摘要论文揭示了条件触发使提示注入绕过防御并在触发时执行工具，提出轻量检测器并在摄入期有效防范。

    论文针对大语言模型智能体面临的间接提示注入威胁，研究了利用条件句式实现时间分离的爆炸提示词。

    完整解读
已经到底了