跳到正文
10月8日 · 周四

Agent 安全 · 论文

找到 3 篇
筛选1

攻击类型

提示注入2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14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5针对防御3潜伏触发23诱导选用7

影响

越权操作2数据与隐私泄露1

系统形态

AI Agent3编程 Agent3

攻击者权限

白盒1

攻击面/入口

工具返回1工具与技能描述3分发渠道2

层

应用层3

系统组件

MCP 与技能3护栏与评审2

被测模型厂商

其他3
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 383 篇还没打标签，不在筛选结果里。
攻击技术：针对防御话题：Agent 安全清除全部

另有 383 篇论文还没打上分类标签，暂不在筛选结果里。

  2. 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

    编程 Agent攻击者白盒测试glm (z-ai/glm-5.1)、qwen3t (qwen/qwen3-235b-a22b-thinking-2507)、gpt-oss (openai/gpt-oss-120b) 等 4 个应用层
    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。

    完整解读
已经到底了