跳到正文
10月8日 · 周四

红队 · 论文

找到 7 篇
筛选2

攻击类型

越狱3提示注入5投毒与后门2

攻击技术

自动化搜索4编码与混淆1针对防御1潜伏触发2诱导选用1

模型自身风险

欺骗与谋划1

影响

越权操作2数据与隐私泄露3输出被操纵1监督失效1

系统形态

AI Agent7编程 Agent4

攻击者权限

黑盒3

攻击面/入口

用户输入17网页与界面3文档与消息1工具返回5工具与技能描述5代码仓库与依赖3Agent 间消息1图像与音视频5训练数据2权重与梯度1分发渠道3

层

应用层6训练与数据层1

系统组件

MCP 与技能2护栏与评审1微调与开源权重1

被测模型厂商

OpenAI6DeepSeek5Qwen（阿里）5其他5
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 95 篇还没打标签，不在筛选结果里。
攻击面/入口：工具返回攻击面/入口：训练数据话题：红队清除全部

另有 95 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 攻击arXiv:2610.05793 ·

    研究者训练出按多智能体拓扑触发的代码后门模型

    微调植入拓扑条件后门，使代码模型在推断多智能体部署时插入隐蔽漏洞

    编程 Agent测试Qwen2.5-7B-Instruct、Qwen2.5-Coder-7B-Instruct训练与数据层

    摘要论文证实了拓扑条件后门的可训练性与泛化性，展示了常规评测盲区，并提出差异化拓扑审计作为检测防御方向。

    完整解读
  4. 攻击arXiv:2607.11698 ·

    AHA 用自动研究循环发现生产 Agent 漏洞概念

    提出 AHA 自动科研循环，发现生产级智能体的可复用漏洞概念

    编程 Agent攻击者黑盒测试Minimax-M2.7、Kimi-K2.6、Deepseek-V4-Pro 等 5 个应用层
    摘要论文提出基于可证伪科研循环的 AHA 框架，从生产级智能体中挖掘并沉淀漏洞概念图，提升攻击复用率并指导防御加固。

    AHA 是一项针对生产级 LLM 智能体自动化红队测试的研究，旨在解决传统方法仅保留具体攻击载荷而缺乏成因解释、导致跨版本复用困难且无法指导修复的问题。

    完整解读
  7. 攻击arXiv:2609.33628 ·

    用课程强化学习对前沿模型做提示注入红队测试

    提出跨目标课程强化学习，生成间接提示注入以劫持智能体

    AI Agent测试Qwen3-4B-Instruct-2507、GPT-4o-mini、GPT-5-nano 等 14 个应用层
    摘要提出跨目标模型课程强化学习，攻破前沿模型冷启动瓶颈并实现跨模型迁移。

    该研究针对强化学习自动化提示注入红队在攻击前沿大模型时的冷启动问题，提出了一种基于目标模型鲁棒性递进的课程强化学习方法。

    完整解读
已经到底了