跳到正文
10月13日 · 周二

全部论文

找到 19篇
筛选5

攻击类型

提示注入17

防御类型

模型加固6检测与过滤10指令与数据隔离21权限与审批14监控与审计6

影响

越权操作15

系统形态

AI Agent19网页与电脑操作3

攻击面/入口

用户输入25网页与界面17文档与消息17工具返回35工具与技能描述14代码仓库与依赖3检索语料3记忆写入9Agent 间消息5分发渠道7

层

应用层19

系统组件

MCP 与技能3监控器4权限与沙箱14
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 201篇还没打标签，不在筛选结果里。
防御类型：权限与审批防御类型：监控与审计攻击面/入口：网页与界面攻击面/入口：代码仓库与依赖层：应用层清除全部

另有201篇论文还没打上分类标签，暂不在筛选结果里。

  3. 防御arXiv 2610.09793

    用时序逻辑监控工具 Agent

    提出 MFOTL 离线时序验证以监控工具 Agent 的危险动作链

    arXiv
    2610.09793
    发表
    层
    应用层
    场景
    AI Agent
    攻击者
    黑盒
    摘要形式化验证可有效识别多步攻击，但其有效性高度依赖轨迹的可信历史记录。

    这篇论文对工具调用大语言模型智能体的安全监控进行了形式化时序验证研究。

    深度解读完整解读
  4. 防御arXiv 2610.03089

    COBRA：为计算机使用 Agent 防御分支引导攻击的双 LLM 架构

    提出 COBRA 双 LLM 架构，防御计算机使用 Agent 的分支转向攻击

    arXiv
    2610.03089
    发表
    层
    应用层
    场景
    网页与电脑操作
    被测模型
    gpt-5、UI-TARS-1.5-7B、claude-sonnet-5 等6个

    摘要提出分支转向防御架构 COBRA，通过事前能力约束与边界代理消除分支转向攻击并兼顾效用。

    深度解读完整解读
  5. 防御arXiv 2610.02569

    Pincer：用数字分身学习用户偏好并执行动态最小权限

    为 Agent 提出资源层授权系统 Pincer，用数字分身执行动态最小权限

    arXiv
    2610.02569
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    Claude Haiku 4.5、Muse Spark 1.2 Contributor
    摘要Pincer 在资源层以三票合取做授权。

    Pincer 是加在现成 coding agent 上的资源层授权防御：用只受用户侧信息影响的 digital twin 做动态最小权限，并与 tool-call 层防御并存。要处理的是用户维护策略带来的权限蠕变和授权疲劳，以及不学习用户策略的 tool-call 分类器。作者引述工作称 auto mode 会放行多数不安全操作，并认为推理代码或复杂 shell 的效果在这一层不实际。

    深度解读完整解读
  7. 防御arXiv 2609.35659

    Tracekit：面向自主编码 Agent 的防篡改意图-推理-动作审计系统

    提出 Tracekit，审计编码 Agent 的意图、推理与动作并检测账本篡改

    arXiv
    2609.35659
    发表
    层
    应用层
    场景
    coding agent
    被测模型
    Claude Code (claude -p, version 2.1)、独立评审（同一 CLI，无工具）
    摘要Tracekit 把意图、自述和动作写入可锚定的哈希链。

    Tracekit 是无第三方依赖的编码智能体审计层：把人类请求、模型自述和已执行动作并排写入可外部锚定的哈希链，执行前用正则门，事后用规则和独立模型互查。

    深度解读完整解读
  8. 防御arXiv 2609.31282

    基于区块链的 Agentic AI 框架：面向安全软件供应链的资源优化与能耗感知

    提出 AttestChain，将供应链安全智能体报告签名上链并据此控制发布

    arXiv
    2609.31282
    发表
    层
    应用层
    场景
    多智能体
    被测模型
    GPT-class LLM
    摘要AttestChain 将智能体报告与链上发布门控结合，现有证据来自受控合成构建的总体结果。

    AttestChain 是一个把 LLM 安全检查、智能体身份验证和许可链发布策略连接起来的软件供应链防御框架。。

    深度解读完整解读
  11. 防御arXiv 2609.05901

    KITA：为 LLM Agent 设计密钥隔离的阈值签名授权架构

    提出 KITA，把 Agent 批准绑定到规范动作的密钥隔离阈值签名

    arXiv
    2609.05901
    发表
    层
    应用层
    场景
    AI Agent
    摘要KITA 把隔离的阈值签名当作精确动作的执行条件，并测量门控、相关性与签名开销。

    KITA 是一套密钥隔离的阈值授权架构，用来把模型评审变成执行外部动作的条件。

    深度解读完整解读
  14. 防御arXiv 2607.13716

    CAVA：面向智能体 AI 运行时治理的规范动作验证与证明

    提出 CAVA，将异构智能体运行时事件规范为可哈希动作并绑定审批与回执

    arXiv
    2607.13716
    发表
    层
    应用层
    场景
    AI Agent
    摘要CAVA 用规范动作指纹承接异构运行时治理。

    CAVA 是给异构智能体运行时用的动作语义层，用来回答“被批准和被审计的到底是哪一个动作”。

    深度解读完整解读
  16. 防御arXiv 2603.12644

    揭示自主 Agent 的安全威胁与防御架构：OpenClaw 案例研究

    梳理自主 Agent 威胁并提出全生命周期防御蓝图 FASA

    arXiv
    2603.12644
    发表
    层
    应用层
    场景
    AI Agent
    摘要以 OpenClaw 为例划分三层风险，并用 FASA 描述从输入到系统执行的防御。

    这是一份以 OpenClaw 为案例的威胁梳理和防御架构报告，不是带分数的攻击或防御评测。

    深度解读完整解读
  17. 防御arXiv 2603.11619

    驯服 OpenClaw：自主 LLM 智能体威胁的安全分析与缓解

    提出对齐五阶段的纵深防御，缓解自主 Agent 跨阶段威胁

    arXiv
    2603.11619
    发表
    层
    应用层
    场景
    AI Agent
    摘要这是对 OpenClaw 的生命周期威胁分析与分层缓解设计，案例为定性证据。

    这是对 OpenClaw 的生命周期威胁分析，并配套一套分层缓解设计。要处理的问题是：自主智能体把即时通讯、持久记忆、第三方插件和高权限执行连在一起之后，攻击不再限于单轮越狱，而会跨初始化到执行的多个阶段复合。作者认为只加固单个接口的防御，挡不住这种跨时间攻击。

    深度解读完整解读
  18. 防御arXiv 2602.20708

    ICON：基于推理时纠正的 Agent 间接提示注入防御

    提出推理时防御 ICON，探测注意力过聚焦并转向以纠正 Agent 间接提示注入

    arXiv
    2602.20708
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    Qwen-3-8B、Llama-3.1-8B、Mistral-8B 等6个
    摘要ICON 在推理时检测过聚焦并转向，以兼顾 IPI 安全与任务效用。

    ICON 在推理时检测 IPI 的注意力过聚焦并转向，避免以拒答中止智能体轨迹。

    深度解读完整解读
  19. 防御arXiv 2602.10915

    盲神与破碎的屏幕：构建安全、以意图为中心的移动 Agent 操作系统

    提出 Aura，用可信内核中介移动 Agent 的身份、感知与动作控制

    arXiv
    2602.10915
    发表
    层
    应用层
    场景
    网页与电脑操作
    被测模型
    Gemini-3-Flash
    摘要Aura 以 Agent Kernel 中介结构化交互。

    Aura 用内核中介的结构化智能体交互，替换以屏幕为接口的移动助手。。

    深度解读完整解读
已经到底了