构建 EpiReal-Bench，评测图像生成器将虚假主张渲染为可信证据
EpiReal-Bench 用来量商用图像生成器会不会把虚假现实主张画成可信视觉证据。
诊断护栏相对基座在对抗提示上的置信失校
诊断性分析：五个提示词分类 guard 的置信度，在清洁输入上可以较校准，在越狱包装后则变成高置信度的错误判定。
提出 PALS，用潜空间平滑防御全双工语音对话的对抗扰动
提出 SAST-IR，用有状态攻击者迭代说服无记忆模型接受反事实
提出 FLOWSEAL，用工具级信息流控制阻断智能体隐私泄露
摘要作者分析大模型智能体隐私检查与攻击面重合问题，提出外部拦截防御 FLOWSEAL 并验证有效性。
提出红蓝对抗评测平台 ACEA，分开计量攻击强度与防御效果
ACEA 是让可插拔红队和蓝队共享一个目标 LLM 的对打场地，把攻击强度和防御效果分开记分。作者要补三处空缺：双方只能对着固定对手分开练。LLM judge 分不清真实泄露和幻觉，拦截后又看不到攻击有多强。
提出 MIPC 与 CFA，观察模型自拟测验后接受开发者身份
这项工作把“模型自己出题、自己批改、再宣布身份已核验”定义成对话层认证失败，并与后端提权分开。
训练自博弈红队智能体 GPT-Red，规模化生成提示注入与越狱攻击
提出 CFD 跨会话分解攻击，利用工件来源缺口绕过工具型 Agent 的本地检查
CFD针对工具型 LLM 智能体：利用 artifact 来源不被跟踪这一部署失败模式，把有害目标拆开后延迟组合。
提出 CodecAttack，在编解码器隐空间构造可穿透有损压缩的对抗音频
用 TEE-REDBENCH 评测 TEE 顾问的机制幻觉与提示诱导失败
TEE-REDBENCH 红队评测被当作 Intel SGX 与 Arm TrustZone 安全顾问的 ChatGPT-5.2 和 Claude Opus-4.6，看架构推理、远程证明语义、缓解建议和策略约束下的拒答，并测提示诱导失败能否跨助手迁移。作者把助手看成随机策略。
提出 MalURLBench 评测 Agent 是否接受结构伪装的恶意 URL
提出 NeuroFilter，用激活探针过滤智能体多轮隐私攻击