跳到正文
10月12日 · 周一

全部论文

找到 5篇
筛选2

攻击类型

越狱14提示注入8投毒与后门5模型篡改3提取与窃取5检测规避4拒绝服务3

影响

输出被操纵3

层

应用层3

系统组件

MCP 与技能40记忆41RAG22护栏与评审11监控器7推理链5权限与沙箱11微调与开源权重29视觉9图像生成3嵌入4多模态15
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 254篇还没打标签，不在筛选结果里。
攻击类型：投毒与后门系统组件：推理链清除全部

另有254篇论文还没打上分类标签，暂不在筛选结果里。

  1. 攻击arXiv 2610.12644

    癌变式后门攻击：借助不可见 token 与阶段控制器实现渐进激活

    提出 Cancerous 后门，用不可见阶段 token 分阶段腐蚀推理

    arXiv
    2610.12644
    发表
    层
    训练与数据层
    场景
    模型与 API
    被测模型
    Llama-3.1-8B-Instruct、Qwen2.5-7B-Instruct、Mistral-7B-Instruct-v0.3
    摘要隐藏 token 加阶段控制器使后门随触发累积腐蚀推理，作者认为只看答案会漏掉它。

    Cancerous Backdoor Attack 把 LLM 后门从一次激活改成随触发累积推进的多阶段推理腐蚀。

    深度解读完整解读
  2. 攻击arXiv 2607.00422

    KidnapRAG：黑盒投毒攻击劫持 Agentic RAG 的推理链

    提出 KidnapRAG，用投毒文档黑盒劫持 Agentic RAG 的推理链

    arXiv
    2607.00422
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    Qwen2.5-32B-Instruct、Llama-3.3-70B-Instruct、QwQ-32B 等5个
    摘要顺序投毒可把多步推理拖向指定应答，作者称关键在持续引导而非单次注入。

    KidnapRAG 是针对 Agentic RAG 的 black-box 语料投毒：攻击者不能访问模型、提示词、检索器或私有轨迹，只能发布可能被检索的文档，并利用公开界面上的推理与搜索查询。

    深度解读完整解读
  3. 攻击arXiv 2605.30040

    研究揭示 LLM 按 token 计费可被服务商系统性虚报

    构造可通过计费审计的 token 虚报，使服务商系统性超收

    arXiv
    2605.30040
    发表
    层
    基础设施层
    场景
    模型与 API
    被测模型
    PALACE domain-adapted auditor
    摘要不诚实提供方可在三种 token 审计上虚报并通过检查，作者认为需改用提供方不控制的证据。

    不透明 LLM 的按 token 计费里，现有审计核验的是提供方可控的证据，不诚实提供方可以虚报并通过检查。。

    深度解读完整解读
  5. 攻击arXiv 2604.05549

    别再执着于提示词：面向 LLM Agent 红队测试的推理劫持与约束收紧

    提出 JailAgent，不改用户提示，经推理劫持与记忆投毒操纵 Agent 动作

    arXiv
    2604.05549
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    GPT-3.5-turbo、GPT-4o、GPT-5 等7个
    摘要JailAgent 不改提示词，用三阶段操纵推理与检索。

    JailAgent 是不修改用户原始提示词的 LLM 智能体红队框架。

    深度解读完整解读
已经到底了