跳到正文
10月8日 · 周四

红队 · 论文

找到 9 篇
筛选2

攻击类型

越狱2提示注入4投毒与后门3

攻击技术

梯度与表征优化4自动化搜索12多轮渐进4编码与混淆5角色扮演与说服3对话结构操控1推理链操控2跨模态载荷5针对防御4潜伏触发4诱导选用1

模型自身风险

欺骗与谋划1

防御类型

检测与过滤1

影响

有害内容2越权操作4数据与隐私泄露1输出被操纵1监督失效1

系统形态

模型与 API2AI Agent7编程 Agent4网页与电脑操作1多智能体1具身与机器人1

攻击者权限

黑盒2

攻击面/入口

用户输入2网页与界面2文档与消息1工具与技能描述1代码仓库与依赖1Agent 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1

层

提示层3应用层5训练与数据层1

系统组件

MCP 与技能2护栏与评审1权限与沙箱1微调与开源权重1视觉4视频1多模态5

被测模型厂商

Qwen（阿里）8OpenAI5其他8
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。
攻击技术：跨模态载荷攻击技术：潜伏触发话题：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:2610.09240 ·

    WebMirage 用对抗图像劫持视觉网页 Agent 的浏览器操作

    提出 WebMirage，用对抗图像劫持视觉网页智能体的浏览器操作

    网页与电脑操作测试LLaVA-v1.5-13B、LLaVA-v1.6-34B、MiniCPM-o-8B 等 6 个应用层
    摘要论文提出了针对网络智能体的端到端视觉红队框架 WebMirage，揭示了从视觉定位到浏览器执行的安全脆弱性。

    WebMirage 是一个面向视觉定位网络智能体的流水线感知端到端红队攻击框架。

    完整解读
  2. 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:2608.10393 ·

    DURA：用扩散模型生成自然对抗补丁攻击 VLA 机器人模型

    提出 DURA，沿扩散潜空间生成自然对抗补丁以劫持 VLA 机器人动作

    具身与机器人测试OpenVLA-7B、π0-FAST、openvla-7B提示层
    摘要DURA 用扩散潜空间轨迹生成自然补丁，白盒与黑盒都能把 VLA 导向指定动作。

    DURA 是针对 VLA 的扩散式、补丁内容不受限的机器人攻击，同时支持白盒梯度和只看动作输出的黑盒。

    完整解读
  6. 攻击arXiv:2610.00392 ·

    A2A-TIBA：针对 A2A 协议 LLM 智能体的间接提示注入攻击与三层同构攻防模型

    提出 A2A-TIBA 间接提示注入，诱导智能体部署常驻回调并外传数据

    多智能体编程 Agent测试MiniMax-M3、deepseek-v4-pro、glm-5.3 等 8 个应用层
    摘要A2A-TIBA 一次植入后绕过智能体，GDA 用四类结果定位防线，ELA-ITL 把信封标注列为第三层。

    A2A-TIBA 把间接提示注入和绕过放进 A2A：gray-box 攻击者已能投递任务，诱导目标部署常驻回调程序后，下令和外传不再经过智能体。

    完整解读
  8. 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