防御arXiv 2608.02683
S³：用多阶段防御提升 LLM 智能体安全
提出 S³，用 guard agent 编排阶段安全技能防御智能体多阶段风险
- arXiv
- 2608.02683
- 发表
- 层
- 应用层
- 场景
- 具身与机器人
- 被测模型
- DeepSeek-V4-Pro、DeepSeek-V4-Flash
- 防御监控与审计
- 攻击投毒与后门
- 风险Agent 危险操作
- 组件监控器
- 攻击arXiv 2604.05595
多样性感知红队测试揭示视觉-语言-动作模型的语言脆弱性
提出 DAERT，以仿真失败为奖励生成多样对抗指令，暴露 VLA 的语言脆弱性
- arXiv
- 2604.05595
- 发表
- 层
- 提示层
- 场景
- 具身与机器人
- 被测模型
- π0、OpenVLA、OpenVLA-7B 等5个
- 技术自动化搜索
- 攻击arXiv 2603.24935
SABER：面向视觉-语言-动作模型的隐蔽智能体黑盒攻击框架
提出 SABER，用强化学习攻击器在预算内改写指令使 VLA 任务失败
- arXiv
- 2603.24935
- 发表
- 层
- 提示层
- 场景
- 具身与机器人
- 被测模型
- π0-LIBERO、π0.5、X-VLA 等6个
- 技术自动化搜索
- 攻击arXiv 2603.01414
通过动作级操纵越狱具身 LLM
提出 Blindfold，用动作级操纵越狱具身 LLM
- arXiv
- 2603.01414
- 发表
- 层
- 应用层
- 场景
- 具身与机器人
- 攻击者
- 无盒（离线迁移）
- 被测模型
- Llama-3.1-8B、DeepSeek-R1-14B、Gemma-3-27B 等8个
摘要Blindfold 以动作级代理规划越狱具身 LLM，作者称可绕过语义检查并在仿真与真机生效。
Blindfold 是面向具身 LLM 规划模块的 no-box 攻击，把恶意意图改写成看似良性的动作序列。
- 攻击arXiv 2601.13612
PINA：针对导航智能体的提示注入攻击
提出 PINA，迭代优化针对导航智能体的提示注入
- arXiv
- 2601.13612
- 发表
- 层
- 应用层
- 场景
- 具身与机器人
- 被测模型
- GPT-3.5-turbo、GPT-4、Balcı et al. [2]
摘要PINA 在黑盒下优化导航提示注入。
PINA 是面向基于 LLM 的导航智能体、在黑盒条件下优化提示注入的框架。
已经到底了