跳到正文
10月8日 · 周四

红队 · 论文

找到 4 篇
筛选1

攻击类型

提示注入2检测规避1

攻击技术

跨模态载荷1潜伏触发1

防御类型

检测与过滤2

影响

越权操作2数据与隐私泄露1监督失效1

系统形态

LLM 应用1AI Agent3网页与电脑操作1

攻击者权限

黑盒1

攻击面/入口

用户输入24网页与界面6文档与消息4工具返回11工具与技能描述12代码仓库与依赖8检索语料1记忆写入4Agent 间消息3图像与音视频6训练数据2权重与梯度1分发渠道5

层

应用层4

系统组件

护栏与评审2视觉1音频1多模态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 95 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：红队清除全部

另有 95 篇论文还没打上分类标签，暂不在筛选结果里。

  3. 防御arXiv:2608.06422 ·

    CMU 研究：分片判断可避免 LLM 监督失效并抵御对抗利用

    提出分片监督，将评判标准拆至独立调用以改善一致性并抵御展示攻击

    LLM 应用攻击者黑盒测试Claude Opus 4.8、Claude Sonnet 4.6、Claude Opus 4.6 等 5 个应用层
    摘要论文揭示决策负载是大模型监督的独立瓶颈，提出分片与辩论机制有效分离注意力与平衡证据，在多项高难度基准上实现稳健评判。

    本文系统研究了大语言模型在执行多标准监督与评判时的决策负载瓶颈及其安全风险。

    完整解读
  4. 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
已经到底了