跳到正文
10月12日 · 周一

全部论文

找到 8篇
筛选4

攻击类型

提示注入3投毒与后门5

攻击技术

梯度与表征优化5自动化搜索18编码与混淆8角色扮演与说服5对话结构操控3推理链操控3跨模态载荷3潜伏触发12

影响

输出被操纵6

系统形态

LLM 应用6

攻击面/入口

用户输入32网页与界面5文档与消息4工具返回3检索语料5图像与音视频34训练数据4权重与梯度11

层

应用层8

系统组件

RAG5推理链3嵌入3
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 233篇还没打标签，不在筛选结果里。
攻击技术：梯度与表征优化攻击技术：推理链操控攻击面/入口：文档与消息攻击面/入口：检索语料清除全部

另有233篇论文还没打上分类标签，暂不在筛选结果里。

  1. 攻击arXiv 2609.27542

    研究者用控制 token 注入删除 gpt-oss-20b 推理链并绕过思维链监控

    提出控制标记注入，清空工具 Agent 的思维链以绕过推理监控

    arXiv
    2609.27542
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    openai/gpt-oss-20b、google/gemma-4-26B-A4B-it、deepseek-ai/DeepSeek-R1-Distill-Qwen-7B 等4个

    摘要论文阐明控制标记注入可抑制 CoT 使监控失效并促成拒绝绕过，且工具执行受解析器宽容度影响。

    深度解读完整解读
  3. 攻击arXiv 2606.12716

    PaperGuard：针对多模态 AI 同行评审的攻击与防御基准

    提出 PaperGuard，用图文注入与梯度扰动抬高自动审稿分数并检测恶意指令

    arXiv
    2606.12716
    发表
    层
    应用层
    场景
    LLM 应用
    被测模型
    Claude-sonnet-4.5、GPT-4o、GPT-4.1 等11个
    摘要PaperGuard 测到提示注入与白盒视觉抬分，并比较分块检索防御。

    PaperGuard同时评测并检测多模态 AI 审稿中的评分操纵。

    深度解读完整解读
  4. 攻击arXiv 2606.11265

    论文提出 CRCP 投毒框架，揭示 RAG 分块与重排序下的投毒失效问题

    提出 CRCP 框架，优化分块与重排下的 RAG 语料投毒

    arXiv
    2606.11265
    发表
    层
    应用层
    场景
    LLM 应用
    被测模型
    GPT-4o、DeepSeek-R1、Qwen3-Max 等11个
    摘要CRCP 把投毒做成多阶段一致性问题。

    CRCP 研究的是带分块和重排的 RAG 语料投毒，而不是只提高文档级检索分数。

    深度解读完整解读
  5. 攻击arXiv 2605.28074

    SilentRetrieval：以语义保持的对抗数据投毒劫持检索增强生成

    提出 SilentRetrieval，以语义保持对抗文档投毒劫持 RAG 检索与生成

    arXiv
    2605.28074
    发表
    层
    应用层
    场景
    LLM 应用
    被测模型
    Llama-2-7B-Chat、Mistral-7B-Instruct-v0.2、Qwen-7B-Chat 等10个
    摘要两阶段投毒在单文档协议下兼顾检索劫持、生成操纵与近良性困惑度。

    SilentRetrieval 是针对 RAG 的两阶段语料投毒，在每查询一篇、合成目标答案的统一协议下，同时处理检索劫持、生成操纵和流畅度。

    深度解读完整解读
  8. 攻击arXiv 2602.00364

    「有人把它藏起来了」：针对 LLM 检索的查询无关黑盒攻击

    提出查询无关黑盒攻击 DQ-A，用可迁移文末后缀降低文档检索排名

    arXiv
    2602.00364
    发表
    层
    应用层
    场景
    LLM 应用
    被测模型
    Qwen-1.5-7B-Instruct、SFR-Embedding-Mistral、E5-Mistral-7B-Instruct 等10个
    摘要DQ-A 以无查询黑盒后缀压低 LLM 检索排名，并在 BRIGHT 上比较三种基线。

    DQ-A 是一种 query-agnostic、complete black-box 的文档隐藏攻击，对象是用最后隐层相似度匹配的 LLM 检索。

    深度解读完整解读
已经到底了