跳到正文
10月8日 · 周四

提示注入 · 论文

找到 9 篇
筛选1

攻击类型

提示注入8投毒与后门3

攻击技术

自动化搜索1跨模态载荷1潜伏触发3

防御类型

模型加固1检测与过滤1权限与审批1

影响

越权操作4数据与隐私泄露2输出被操纵3

系统形态

LLM 应用1AI Agent8编程 Agent1多智能体1

攻击面/入口

用户输入7网页与界面9文档与消息9工具返回16工具与技能描述7代码仓库与依赖7检索语料1记忆写入5Agent 间消息3图像与音视频3分发渠道1

层

应用层9

系统组件

MCP 与技能1记忆2护栏与评审1权限与沙箱2视觉1音频1多模态1

被测模型厂商

OpenAI6Qwen（阿里）6Meta6Google5其他7
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 75 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：提示注入清除全部

另有 75 篇论文还没打上分类标签，暂不在筛选结果里。

  3. 攻击arXiv:2607.05189 ·

    研究者提出 MemGhost，对持久化个人 Agent 实现隐蔽记忆注入

    提出 MEMGHOST，以单封恶意邮件向持久个人智能体注入隐蔽记忆

    AI Agent测试GPT-5.4、Claude Sonnet 4.6、Claude Sonnet 4.5 等 6 个应用层
    摘要总结了论文的研究背景、双代理优化方法 MEMGHOST、全周期实验结果以及作者对记忆信任边界的启示。

    本文研究了持久化个人智能体面临的隐蔽记忆注入威胁，提出了一套兼顾写入、隐蔽与跨会话生效的自动化生成框架与全周期评测基准。

    完整解读
  5. 攻击arXiv:2610.00430 ·

    Memetic Trojans：利用社交传染在 LLM Agent 网络中传播对抗载荷

    提出 memetic trojans，把对抗载荷嵌入智能体自发转发的社会传染内容

    多智能体测试gpt-oss-120B、deepseek-v4.1-flash、qwen-32B 等 5 个应用层
    摘要memetic trojans 用内生社会传染携带载荷。

    Memetic trojans 是一类网络介导攻击：对抗载荷搭在智能体本来就会转发和点赞的内容上扩散，转发者不必被攻陷，也不必执行“请继续复制”的指令。

    完整解读
  8. 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
  9. 评测与基准arXiv:2609.32691 ·

    研究审计 Agent 安全评测缺陷：工具调用中介在间接提示注入下的有效评测框架

    提出卡点评测框架，以实参级谓词审计间接提示注入评测的测量偏差

    AI Agent测试gpt-5.6-terra、llama3.1:8b、gemma4:12b 等 4 个应用层

    摘要论文揭示了 IPI 评测中导致指标虚高的系统性缺陷，通过构建有效评测框架纠正了多项安全与模型能力结论。

    完整解读
已经到底了