10月8日 · 周四

Agent 安全 · 论文

找到 3 篇

筛选2

攻击类型

攻击技术

梯度与表征优化2 自动化搜索13 编码与混淆7 对话结构操控1 推理链操控1 跨模态载荷3 针对防御3 潜伏触发20 诱导选用6

影响

越权操作1 数据与隐私泄露1 输出被操纵1

系统形态

模型与 API1 AI Agent2 网页与电脑操作1

攻击面/入口

用户输入2 网页与界面1 文档与消息1 工具返回1 图像与音视频2

层

应用层2 基础设施层1

系统组件

监控器1 推理链1 视觉2 多模态2

被测模型厂商

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 386 篇还没打标签，不在筛选结果里。

攻击技术：梯度与表征优化攻击技术：对话结构操控话题：Agent 安全清除全部

另有 386 篇论文还没打上分类标签，暂不在筛选结果里。

攻击arXiv:2610.09240 · 10月7日
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
攻击arXiv:2610.09027 · 10月7日
P-VMI：对抗图像经 KV cache 持续影响多轮对话
提出持久视觉记忆注入，使对抗图像经缓存在触发时操控输出
模型与 API测试Qwen3-8B、Qwen3-VL-8B-Instruct、Gemma-4-12B 等 4 个基础设施层
摘要论文提出 P-VMI，证实对抗输入被掩蔽后仍可经 KV 缓存持久控制模型，强调了保留状态的安全风险。
完整解读
攻击arXiv:2609.27542 · 9月23日
研究者用控制 token 注入删除 gpt-oss-20b 推理链并绕过思维链监控
提出控制标记注入，清空工具智能体推理链以绕过思维链监控
AI Agent测试openai/gpt-oss-20b、google/gemma-4-26B-A4B-it、deepseek-ai/DeepSeek-R1-Distill-Qwen-7B 等 4 个应用层
摘要论文阐明控制标记注入可抑制 CoT 使监控失效并促成拒绝绕过，且工具执行受解析器宽容度影响。
完整解读

已经到底了