研究者披露 LiteLLM 网关跨租户干扰攻击 Cooldown Landmines
提出 Cooldown Landmines 跨租户冷却干扰攻击并设计租户隔离
完整解读
提出 Cooldown Landmines 跨租户冷却干扰攻击并设计租户隔离
提出 OATS,用确定性解析器在运行时治理技能动作
提出 PACE,在工具调用前对 Agent 做路径隔离与效果授权
PACE 是面向工具调用型 LLM 智能体的运行时调解:当准入证据无法区分会改变行为的规格时,不在出口站点上撤销调解,而在最后一次工具调用前同时检查表示出的影响路径和请求权限。
作者用 Wazuh 与 NeMo 保护 AI-SOC。
完整解读论文用 SCM 合成带标签会话,训练 GBDT 做推理层滥用检测。
完整解读作者提案用身份绑定、委托只收窄的能力令牌,把凭证放在 LLM 上下文外的钱包里约束智能体。
代表人类行动的分布式智能体,需要一种不把密钥放进语言模型上下文的授权方式。
论文提出一种在旧款 GPU 上实现可验证差分隐私(DP)训练的框架,用 CPU 侧 TEE 配合不受信任的 GPU 完成校验。
TEE-Certified DP 用已部署的 CPU TEE 监视不可信旧 GPU 上的 DP-SGD,使监管方能在不看训练数据的情况下检查声明的隐私机制是否被执行。
NTU 提出 SKILLLITE,用证据抽取与紧凑 LLM 做部署前恶意 Agent Skill 审计。
SKILLLITE是面向紧凑、可本地部署 LLM 的恶意 Agent Skill 预执行审计框架,作者单位为南洋理工大学。