跳到正文
10月8日 · 周四

Agent 安全 · 论文

找到 8 篇
筛选1

攻击类型

越狱1提示注入4投毒与后门3

攻击技术

梯度与表征优化1自动化搜索1编码与混淆1跨模态载荷1针对防御1潜伏触发4

防御类型

检测与过滤1

影响

有害内容1越权操作4数据与隐私泄露2输出被操纵1

系统形态

模型与 API1LLM 应用1AI Agent6编程 Agent2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1

攻击面/入口

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

层

提示层1应用层5训练与数据层2

系统组件

MCP 与技能2RAG1护栏与评审2权限与沙箱1微调与开源权重2视觉1多模态1

被测模型厂商

OpenAI37Qwen（阿里）31DeepSeek27Anthropic23Google18智谱 GLM12Kimi（月之暗面）12Meta11Mistral8Microsoft7xAI5MiniMax5其他13
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 378 篇还没打标签，不在筛选结果里。
被测模型厂商：其他话题：Agent 安全清除全部

另有 378 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
  4. 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hermes-agent 0.21.0、MiniMax-M3、deepseek-v4-pro 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
已经到底了