跳到正文
10月13日 · 周二

全部论文

找到 4篇
筛选4

攻击类型

越狱4提示注入108投毒与后门49检测规避7拒绝服务3

影响

越权操作3

系统形态

AI Agent4

攻击面/入口

用户输入39网页与界面1工具返回14工具与技能描述3

层

应用层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 216篇还没打标签，不在筛选结果里。
攻击类型：越狱攻击面/入口：网页与界面攻击面/入口：工具与技能描述层：应用层清除全部

另有216篇论文还没打上分类标签，暂不在筛选结果里。

  1. 攻击arXiv 2610.05943

    CRIME 框架利用良性 Agent 技能组合诱发恶意行为

    提出 CRIME 框架，组合良性 Agent 技能诱发恶意行为

    arXiv
    2610.05943
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    DeepSeek-V4-Flash、GPT-4o-mini、GPT-4o 等6个
    摘要良性技能经 DCA 或 ACA 组合后可产生恶意环境后果，单独审查对不上。

    CRIME 把公共技能库中各自通过审查的技能配成两两组合，看联合执行能否实现指定恶意任务。。

    深度解读完整解读
  2. 防御arXiv 2609.02786

    SafeEvolve：基于智能体经验的 Harness-Policy 协同演化安全对齐框架

    提出 SafeEvolve，用轨迹证据协同演化安全 harness 与策略

    arXiv
    2609.02786
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    Qwen3.5-4B、Qwen3-4B-Instruct-2507、Qwen3.5-1.7B 等4个
    摘要SafeEvolve 用轨迹证据协同更新安全 harness 和策略，在两个 4B 模型的智能体安全基准上改变安全与效用。

    SafeEvolve 把已完成的 on-policy 轨迹变成安全 harness 的有界更新，并用两阶段 SFT-RL 把这些更新内化进工具使用策略。

    深度解读完整解读
  4. 攻击arXiv 2601.05466

    通过强化学习用迭代式工具伪装攻击越狱大语言模型

    提出 iMIST，用工具伪装和 PPO 迭代越狱大语言模型

    arXiv
    2601.05466
    发表
    层
    应用层
    场景
    AI Agent
    攻击者
    黑盒
    被测模型
    DeepSeek-V3、Qwen3-32B、GPT-OSS-120B
    摘要iMIST 用工具伪装和在线 PPO 做黑盒越狱，Table I 中 JADES 高于同格基线。

    iMIST是黑盒越狱方法：把恶意查询伪装成合法工具调用，再用在线强化学习把响应的有害性分数往上推。

    深度解读完整解读
已经到底了