跳到正文
10月13日 · 周二

全部论文

找到 2篇
筛选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 215篇还没打标签,不在筛选结果里。

另有215篇论文还没打上分类标签,暂不在筛选结果里。

  1. 攻击arXiv 2606.09084

    研究者提出 Context-Fractured Decomposition 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

    发表
    场景
    AI Agent
    被测模型
    GPT-4.1、GPT-5-nano、Claude-3.5-Sonnet 等6个
    摘要CFD 用无指令 artifact 把越狱拆到跨会话。

    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。

    深度解读完整解读
  2. 攻击arXiv 2603.12277

    提示注入即角色混淆

    提出 CoT Forgery,经用户消息或工具输出注入伪造推理

    发表
    场景
    AI Agent
    攻击者
    黑盒
    被测模型
    gpt-oss-20b、gpt-oss-120b、o4-mini 等11个
    摘要提示注入被作者解释为角色感知失败:听起来像某角色,就在表示里成为该角色。

    作者把提示注入解释成角色感知失败:标签划出的权限没有进入模型的内部几何。

    深度解读完整解读
已经到底了