跳到正文
10月8日 · 周四

后门与投毒 · 论文

找到 5 篇
筛选2

攻击类型

提示注入3投毒与后门4提取与窃取1

攻击技术

编码与混淆1推理链操控1针对防御1潜伏触发5

影响

有害内容2越权操作2数据与隐私泄露1

系统形态

模型与 API2AI Agent3编程 Agent2网页与电脑操作2

攻击者权限

黑盒1

攻击面/入口

用户输入3网页与界面1工具与技能描述1代码仓库与依赖1检索语料2记忆写入2图像与音视频1训练数据5权重与梯度5分发渠道5

层

提示层1应用层2训练与数据层2

系统组件

MCP 与技能1记忆2护栏与评审1推理链1微调与开源权重2

被测模型厂商

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 66 篇还没打标签，不在筛选结果里。
攻击面/入口：用户输入攻击面/入口：记忆写入话题：后门与投毒清除全部

另有 66 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 攻击arXiv:2604.02623 ·

    论文提出 eTAMP 攻击：网页内容注入可跨会话污染 Web Agent 记忆

    提出 eTAMP，通过网页注入跨会话污染 Web 智能体轨迹记忆

    网页与电脑操作测试GPT-5-mini、GPT-5.2、GPT-OSS-120B 等 7 个应用层
    摘要论文提出了基于环境注入的跨任务记忆投毒攻击 eTAMP，作者报告智能体在环境压力下易感性增加且能力与安全并不协同。

    该论文评估了基于大语言模型的 Web 智能体在利用历史交互轨迹进行记忆增强时的安全脆弱性。

    完整解读
  2. 攻击arXiv:2610.07723 ·

    研究者提出答案侧后门：让模型自生成触发词绕过安全拒答

    提出回答端后门，让模型自生成触发词以在干净有害请求下绕过拒答

    模型与 API测试Llama-2-7B-chat-hf、Mistral-7B-Instruct-v0.3、Gemma-7B-it 等 4 个训练与数据层

    摘要论文提出了多轮对话中回答端自生成触发词绕过安全拒绝的后门攻击，指出输入端防护存在盲区。

    完整解读
  5. 攻击arXiv:2609.33985 ·

    研究：众包微调数据投毒可放大专有指令抽取

    提出主题锚点投毒，放大众包微调后的专有指令提取

    模型与 API攻击者黑盒测试Qwen2.5-7B-Instruct、Qwen2.5-14B-Instruct、Llama-3.1-8B-Instruct 等 6 个训练与数据层

    摘要论文提出基于主题锚点的数据中毒攻击，证明低比例的中毒样本可在黑盒条件下隐蔽放大微调指令泄漏。

    完整解读
已经到底了