跳到正文
10月9日 · 周五

Agent 安全 · 论文

找到 4 篇
筛选3

攻击类型

提示注入3投毒与后门2

攻击技术

自动化搜索4编码与混淆1对话结构操控0推理链操控1潜伏触发4

防御类型

检测与过滤1

影响

越权操作2数据与隐私泄露1输出被操纵1

系统形态

LLM 应用1AI Agent3编程 Agent2

攻击面/入口

用户输入7网页与界面3文档与消息8工具返回3工具与技能描述2代码仓库与依赖4检索语料2记忆写入11Agent 间消息1图像与音视频2训练数据3权重与梯度5分发渠道6

层

应用层4

系统组件

记忆1RAG1护栏与评审1权限与沙箱1

被测模型厂商

其他4
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 226 篇还没打标签，不在筛选结果里。
攻击技术：对话结构操控攻击技术：潜伏触发攻击面/入口：代码仓库与依赖话题：Agent 安全清除全部

另有 226 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 评测与基准arXiv 2607.14611

    论文评测 Claude Code 与 Codex 记忆文件中的提示注入风险

    评测编码智能体记忆文件中的提示注入及其跨会话持久性

    arXiv
    2607.14611
    发表
    层
    应用层
    场景
    编程 Agent
    测试
    Claude Haiku 4.5、Claude Opus 4.7、GPT-5.2 等 4 个
    摘要已植入记忆文件的载荷可以跨会话影响 Claude Code 与 Codex，攻击成功与载荷是否留下是两种不同的失败。

    Bad Memory 在沙箱合成工作区里评测文件型持久记忆上的提示注入，比较载荷能否改变当前会话，以及能否在后续会话中留下或叠加。

    深度解读完整解读
  2. 攻击arXiv 2609.02774

    CodePoisonRAG：针对检索增强代码生成的知识投毒攻击

    提出 CodePoisonRAG，对检索增强代码生成的知识库投毒以植入漏洞

    arXiv
    2609.02774
    发表
    层
    应用层
    场景
    LLM 应用
    测试
    Qwen 3.5 9B、Code Llama 13B、DeepSeek-Coder-V2 16B 等 4 个

    摘要CodePoisonRAG 展示了 RACG 外部知识库的新攻击面，在较低投毒率下可定向诱发指定漏洞并部分抵御防御。

    深度解读完整解读
  3. 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

    提出条件触发的爆炸提示词，延迟激活 Agent 的间接提示注入

    arXiv
    2609.22510
    发表
    层
    应用层
    场景
    AI Agent
    测试
    Llama-3.1-8B-Instruct、Llama-3.1-70B-Instruct、Qwen2.5-32B-Instruct 等 14 个
    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。

    深度解读完整解读
已经到底了