跳到正文
10月8日 · 周四

OpenAI · 论文

找到 2 篇
筛选3

模型自身风险

欺骗与谋划1Agent 危险操作1危险能力0

防御类型

权限与审批1监控与审计1

影响

越权操作1数据与隐私泄露1

系统形态

AI Agent2编程 Agent2

层

应用层2

系统组件

监控器1权限与沙箱1

被测模型厂商

其他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 40 篇还没打标签，不在筛选结果里。
模型自身风险：欺骗与谋划模型自身风险：Agent 危险操作模型自身风险：危险能力话题：OpenAI清除全部

另有 40 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 防御arXiv 2609.38983

    论文提出 Approval Laundering 分类，实测 Claude Code 审批与执行绑定失败

    提出 Approval Token 绑定编程智能体的审批与执行

    arXiv
    2609.38983
    发表
    层
    应用层
    场景
    编程 Agent
    测试
    Claude Code (v2.1.197, opus[1m] / claude-sonnet-5-ccmax)、Codex CLI (@openai/codex v0.154.0)

    摘要系统揭示编程智能体审批洗白风险，提出七字段权能防御机制，证实其能消除身份时序偏离但难防副作用偏离。

    深度解读完整解读
  2. 防御arXiv 2609.19587

    红队测试 Auto Mode：用注入与多上下文攻击绕过编码 Agent 阻断监控器

    红队评估编码智能体的阻断监视器，并提出 Auto Mode++加固

    arXiv
    2609.19587
    发表
    层
    应用层
    场景
    编程 Agent
    测试
    Opus 5、Opus 4.8、Opus 4.7 等 8 个

    摘要系统评估生产阻断监视器在面对持续恶意智能体时的表现，提出加固防御并指明多上下文防御挑战。

    深度解读完整解读
已经到底了