10月8日 · 周四

Agent 安全 · 论文

找到 18 篇

筛选2

攻击类型

越狱3 提示注入13 投毒与后门10

攻击技术

梯度与表征优化1 自动化搜索6 编码与混淆3 跨模态载荷2 针对防御2 潜伏触发7 诱导选用3

防御类型

检测与过滤1 指令与数据隔离1 权限与审批1

影响

有害内容1 越权操作12 数据与隐私泄露3 输出被操纵2

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 377 篇还没打标签，不在筛选结果里。

被测模型厂商：Kimi（月之暗面）被测模型厂商：其他话题：Agent 安全清除全部

另有 377 篇论文还没打上分类标签，暂不在筛选结果里。

防御arXiv:2609.11757 · 9月10日
研究者披露 AP2 支付协议的 Whisper 提示注入攻击并提出 A-VIP 防御
提出 A-VIP，将购物意图绑定到支付授权以阻断商户文本操控
AI Agent测试kimi-k3、gemini-2.5-flash-lite、gemini-3.1-flash-lite 等 15 个应用层
摘要论文揭示了 AP2 协议决策层受操纵的风险，提出结构化与权能绑定防御 A-VIP，并发布评测基准。
完整解读
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:2610.02373 · 10月1日
HDI 攻击：篡改 GraphRAG 辅助结构可致 88–94% 攻击成功率
提出 HDI 攻击以篡改 GraphRAG 辅助结构破坏检索
LLM 应用测试HippoRAG2、Microsoft GraphRAG、text-embedding-3-small 等 4 个应用层
- 投毒与后门
- RAG
摘要论文形式化了 GraphRAG 辅助模式级实体攻击面，提出 HDI 攻击并验证其攻击效果。
完整解读
攻击arXiv:2609.18217 · 9月16日
研究：跨通道碎片化攻击可绕过 MCP 单通道防御
提出跨通道分段攻击，借 MCP 多通道隐式信任外发敏感数据
编程 Agent测试Kimi-K2.5、Composer 2、GPT-4o 等 15 个应用层
摘要论文揭示了 MCP 多通道隐式信任层级，通过跨通道分段与协议级利用突破现有防御，展示了严重的凭证外发风险。
完整解读
攻击arXiv:2609.39065 · 9月30日
TrustProbe 在 11 个开源 Agent 中发现 104 个技能信任链漏洞
提出 TrustProbe，挖掘技能内容流向特权操作的信任链漏洞
编程 Agent测试Kimi Code CLI、deepseek-v4-flash、Qwen Code 等 5 个应用层
完整解读
攻击arXiv:2609.26761 · 9月23日
A2M：针对 MCP 生态的两阶段 Agent 劫持框架
提出两阶段框架 A2M，优化 MCP 工具元数据与返回载荷以劫持智能体
AI Agent测试Kimi-K2-0905、GLM-4.6、Qwen3-Max 等 5 个应用层
完整解读
攻击arXiv:2610.01564 · 10月1日
APEX 用跨技能链劫持 LLM Agent
提出 APEX，用跨技能进度记录夹带虚假授权劫持智能体
编程 Agent测试Kimi K2.6、Claude Sonnet 5、DeepSeek V4 Flash 等 6 个应用层
完整解读
攻击arXiv:2609.35576 · 9月29日
研究提出跨 LLM 助手的记忆跳跃攻击
提出跨独立助手的工件介导记忆跳跃自传播攻击
多智能体测试Kimi-K2.6、GPT-5.6 Luna、GPT-OSS-120B 等 6 个应用层
摘要论文证实持久工件与内存可形成跨智能体传播链，揭示了将共享工件纳入安全防线的重要意义。
该论文系统研究并量化了通过共享持久工件在具有独立私有内存的 LLM 智能体之间发生自传播的“工件介导传播”攻击风险。
完整解读
攻击arXiv:2607.11698 · 7月13日
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Kimi-K2.6、Minimax-M2.7、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
攻击arXiv:2609.03884 · 9月3日
HookPry：利用插件生命周期钩子更新劫持 AI Agent 框架
提出 HOOKPRY，利用插件生命周期钩子更新劫持智能体框架执行命令
编程 Agent测试Kimi-K2.6、Claude Sonnet 4.6、DeepSeek-V4-Pro 等 6 个应用层
完整解读
攻击arXiv:2610.00392 · 10月2日
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kimi-k2.7-code、hermes-agent 0.21.0、MiniMax-M3 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
攻击arXiv:2608.16465 · 8月17日
JailbreakSkill：用可复用可演化技能扩展自动化红队
提出 JailbreakSkill，用可演化技能自动搜索并复用越狱提示
模型与 API攻击者黑盒测试MAGIC-14B、GLM 5.2、DeepSeek-V4-Pro Preview 等 8 个提示层
- 越狱
- 自动化搜索
完整解读
攻击arXiv:2608.30441 · 8月31日
ECLIPSE：针对长程 Agent 系统的自演化隐蔽提示注入攻击
提出 ECLIPSE 双通道自演化提示注入，劫持长程智能体动作轨迹
AI Agent攻击者黑盒测试Kimi-k3-104b、DeepSeek、GPT-4o 等 7 个应用层
完整解读
攻击arXiv:2609.07051 · 9月7日
TrojanWorld：通过想象引导对世界模型智能体植入后门
提出 TrojanWorld，通过想象引导给世界模型智能体植入供应链后门
具身与机器人测试TD-MPC2、DreamerV3、R2-Dreamer训练与数据层
摘要TrojanWorld 揭示了世界模型智能体的供应链后门风险，通过在世界模型中操纵想象可实现对闭环动作的持续控制。
完整解读
攻击arXiv:2609.14060 · 9月13日
AgentQ：针对 LLM Agent 的量化条件后门攻击
提出 AGENTQ，向开源智能体权重植入仅在量化后触发的恶意工具后门
AI Agent测试Hammer2.1-1.5B、Hammer2.1-3B、Hammer2.1-7B 等 6 个训练与数据层
摘要论文研究了智能体量化条件后门风险，提出 AGENTQ 在保持效用的同时实现全精度隐蔽与量化后生效。
完整解读
攻击arXiv:2609.22510 · 9月19日
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Devin AI CLI、Llama-3.1-8B-Instruct、Llama-3.1-70B-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
攻击arXiv:2609.30383 · 9月25日
研究者提出技能级联攻击
提出技能级联攻击，把恶意目标拆进多个技能以绕过单技能检测
编程 Agent测试Kimi K2.5、GPT-5.4、GPT-5.4 Mini 等 10 个应用层
摘要论文探讨了多技能智能体系统面临的技能级联攻击风险，提出自动化红队框架与基准集，指出跨技能交互存在安全防护盲区。
完整解读
评测与基准arXiv:2609.35912 · 9月28日
MMSkillRisk：多模态技能图像中的隐藏指令可诱导 Agent 执行未授权操作
构建多模态技能图像攻击基准 MMSkillRisk 并设计 NCVA
编程 Agent测试Kimi-K2.6、Kimi-K3、GPT-5.6-sol 等 6 个应用层
摘要论文提出 MMSkillRisk 基准与 NCVA 攻击，揭示多模态技能中教学图像潜藏指令可引发未授权操作并与良性任务共存。
完整解读

已经到底了

Agent 安全 · 论文

攻击类型

攻击技术

防御类型

影响

系统形态

攻击者权限

攻击面/入口

层

系统组件

被测模型厂商

研究者披露 AP2 支付协议的 Whisper 提示注入攻击并提出 A-VIP 防御

WebMirage 用对抗图像劫持视觉网页 Agent 的浏览器操作

HDI 攻击：篡改 GraphRAG 辅助结构可致 88–94% 攻击成功率

研究：跨通道碎片化攻击可绕过 MCP 单通道防御

TrustProbe 在 11 个开源 Agent 中发现 104 个技能信任链漏洞

A2M：针对 MCP 生态的两阶段 Agent 劫持框架

APEX 用跨技能链劫持 LLM Agent

研究提出跨 LLM 助手的记忆跳跃攻击

AHA 用自动研究循环发现生产 Agent 漏洞概念

HookPry：利用插件生命周期钩子更新劫持 AI Agent 框架

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

JailbreakSkill：用可复用可演化技能扩展自动化红队

ECLIPSE：针对长程 Agent 系统的自演化隐蔽提示注入攻击

TrojanWorld：通过想象引导对世界模型智能体植入后门

AgentQ：针对 LLM Agent 的量化条件后门攻击

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

研究者提出技能级联攻击

MMSkillRisk：多模态技能图像中的隐藏指令可诱导 Agent 执行未授权操作