跳到正文
10月8日 · 周四

供应链安全 · 论文

找到 8 篇
筛选
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 48 篇还没打标签,不在筛选结果里。

另有 33 篇还没有研究类型,暂不在这些分类里。

  1. 防御arXiv:2610.01349 ·

    PACE:面向工具调用 LLM Agent 的来源感知能力强制执行

    提出 PACE,在工具调用前对 Agent 做路径隔离与效果授权

    AI Agent测试gpt-5.6-luna、DeepSeek-V4-Flash、Qwen-3.8-27B应用层
    摘要PACE 在工具边界做路径割与效果核验。

    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。

    完整解读
  2. 防御arXiv:2609.20532 ·

    面向旧款 GPU 的可验证差分隐私训练框架:用 CPU 侧 TEE 校验 GPU 梯度

    AI 导读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。

    测试5-layer MLP、WideResNet、GPT-2-medium 等 4 个
    摘要CPU TEE 概率抽查不可信 GPU 上的 DP-SGD,以小开销约束频繁偏离。

    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。

    完整解读
  3. 防御arXiv:2609.36879 ·

    SKILLLITE:用小模型做证据引导的恶意 Agent Skill 审计

    NTU 提出 SKILLLITE,用证据抽取与紧凑 LLM 做部署前恶意 Agent Skill 审计。

    测试Gemma4:e4b、Qwen3.5:9B、DeepSeek-R1:8B 等 5 个
    摘要SKILLLITE 把证据抽取外置,让紧凑 LLM 只做意图条件下的风险裁决,三个基准上 F1 高于所列基线。

    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。

    完整解读
已经到底了