提出 PyCache Trap，用字节码缓存替换绕过 Agent 技能扫描器
这篇论文研究了智能体技能（Agent Skills）安全扫描中的“审查–执行脱节”问题，并提出了对应的攻击验证与防御方案。
提出回答端后门，让模型自生成触发词以在干净有害请求下绕过拒答
摘要论文提出了多轮对话中回答端自生成触发词绕过安全拒绝的后门攻击，指出输入端防护存在盲区。
实现 DEFER，以确定性检查优先拦截多智能体流水线的内容攻击
DEFER 用来测量多智能体授权流水线里，确定性规则在何处结束、LLM judge 从何处开始。
提出 SkillDRE，用预执行与运行时双阶段反馈演化恶意 Agent 技能
提出技能级联攻击，把有害目标拆散到多个技能里绕过单技能扫描
摘要论文探讨了多技能智能体系统面临的技能级联攻击风险，提出自动化红队框架与基准集，指出跨技能交互存在安全防护盲区。
提出神经符号纵深架构，阻断 AI-SOC 的日志投毒与间接提示注入
提出 MAFIA，以探测放置与事实伪装对带审计 Agent 做查询式记忆投毒
提出 MTGuard，对照 MCP 调用声明与执行痕迹拦截不安全工具调用
提出 SkillVetBench 评估开源 Agent 技能的多维安全风险
摘要公开排行榜用 LLM-as-Judge 给技能分列 SARS 与 CVSS，并对照市场官方审查。
提出结构化 JSON 后门，经投毒 LoRA 在机器人控制中触发恶意动作
摘要推理层后门传不到执行。
提出三类攻击，训练前扰动奖励模型以劫持离线 bandit
作者研究离线 bandit 在奖励模型被事先改权重时，还会不会选出最优臂。