10月8日 · 周四

Anthropic · 论文

找到 2 篇

筛选1

攻击类型

提示注入2 投毒与后门1

攻击技术

防御类型

检测与过滤1

影响

越权操作1 数据与隐私泄露1

系统形态

AI Agent2 编程 Agent1

攻击面/入口

用户输入10 网页与界面1 文档与消息2 工具返回1 工具与技能描述6 代码仓库与依赖8 记忆写入5 Agent 间消息1 图像与音视频1 分发渠道1

层

系统组件

记忆1 护栏与评审1

被测模型厂商

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 17 篇还没打标签，不在筛选结果里。

攻击面/入口：文档与消息话题：Anthropic 清除全部

另有 17 篇论文还没打上分类标签，暂不在筛选结果里。

攻击arXiv:2609.13889 · 9月12日
PMPA：针对 OpenClaw 与 Claude Code 的持久记忆投毒攻击
提出 PMPA，诱导智能体把外部恶意指令写入持久记忆并跨会话泄露隐私
编程 Agent测试DeepSeek-V4-Flash、DeepSeek-V4-Pro、Qwen3-Max应用层
摘要论文提出了持久记忆投毒攻击 PMPA，报告了 harness 智能体在处理外部数据时易受跨会话记忆投毒与隐私泄露的风险。
完整解读
攻击arXiv:2609.22510 · 9月19日
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Llama-3.1-8B-Instruct、Llama-3.1-70B-Instruct、Qwen2.5-32B-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