跳到正文
10月8日 · 周四

Agent 安全 · 论文

找到 6 篇
筛选2

攻击类型

越狱1提示注入5投毒与后门1检测规避1

攻击技术

梯度与表征优化2自动化搜索6多轮渐进1编码与混淆7对话结构操控1推理链操控1跨模态载荷4针对防御4潜伏触发15诱导选用5

影响

越权操作5数据与隐私泄露1

系统形态

AI Agent6编程 Agent2

攻击者权限

黑盒1白盒1

攻击面/入口

用户输入1网页与界面1工具返回3工具与技能描述3代码仓库与依赖1图像与音视频1分发渠道2

层

应用层6

系统组件

MCP 与技能3护栏与评审1视觉1多模态1

被测模型厂商

OpenAI16DeepSeek10Anthropic8Google7智谱 GLM7Qwen（阿里）6Kimi（月之暗面）5其他12
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 373 篇还没打标签，不在筛选结果里。
攻击技术：自动化搜索被测模型厂商：Qwen（阿里）话题：Agent 安全清除全部

另有 373 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 攻击arXiv 2609.39607

    Pretext 攻击绕过 NVIDIA SkillSpector 等 Agent 技能扫描器

    提出 PRETEXT，迭代改写技能文本以绕过扫描并执行木马行为

    arXiv
    2609.39607
    发表
    层
    应用层
    场景
    编程 Agent
    攻击者
    白盒
    测试
    qwen3t (qwen/qwen3-235b-a22b-thinking-2507)、glm (z-ai/glm-5.1)、gpt-oss (openai/gpt-oss-120b) 等 4 个
    摘要论文提出了针对多阶段技能检测器的白盒攻击，揭示了单纯依赖大模型自适应检测的局限。

    PRETEXT 是一项针对基于“静态规则加语义大模型”的智能体技能安全检测框架的白盒攻击与协同进化评估研究。

    深度解读完整解读
  4. 攻击arXiv 2609.04533

    Repeat-After-Me：针对黑盒 VLM 的自适应视觉提示注入攻击

    提出 Repeat-After-Me，以图像前缀诱导智能体调用工具或泄露隐私

    arXiv
    2609.04533
    发表
    层
    应用层
    场景
    AI Agent
    测试
    Qwen3.6-27B、Qwen3-VL-32B-Instruct、Qwen3-VL-4B-Instruct 等 11 个

    摘要论文提出了针对黑盒 VLM 的前缀诱导自适应视觉提示注入，在多款模型上诱发了工具调用与隐私泄露。

    深度解读完整解读
  6. 攻击arXiv 2609.33628

    用课程强化学习对前沿模型做提示注入红队测试

    提出跨目标课程强化学习，生成间接提示注入以劫持智能体

    arXiv
    2609.33628
    发表
    层
    应用层
    场景
    AI Agent
    测试
    Qwen3-4B-Instruct-2507、Qwen3.6-27B-SecOPD、GPT-4o-mini 等 14 个
    摘要提出跨目标模型课程强化学习，攻破前沿模型冷启动瓶颈并实现跨模型迁移。

    该研究针对强化学习自动化提示注入红队在攻击前沿大模型时的冷启动问题，提出了一种基于目标模型鲁棒性递进的课程强化学习方法。

    深度解读完整解读
已经到底了