事件历史事件
中山大学与港科大提出AgentTracer追踪提示注入攻击链
先了解这件事
AI 综述
中山大学与香港科技大学的研究团队提出AgentTracer，从Agent推理记录中提取上下文与决策关系、构建意图驱动执行图，并对齐用户授权空间，从而在历史日志中定位间接提示注入的注入点、重建攻击链。在AgentDyn和InjecAgent两个数据集各300条成功攻击日志上，系统平均攻击识别率为97.34%，注入点定位准确率94.17%，攻击链覆盖率90.25%，精确率93.56%。消融实验显示，用时间序列图替代意图驱动执行图后效果下降。
AI 根据报道生成 · 9 天前更新
走势与进展
每小时关注度
现在 36，24 小时 0%·峰值 36（11月6日 03:00）
11月7日11月8日11月9日11月10日现在 36
相关研究
报道引用的论文
- AgentTracer：通过细粒度意图-执行对齐追踪间接提示注入攻击AgentTracer：通过意图追踪还原 Agent 攻击链
arXiv · 2026-10-07 · 深度解读
报道提到其成果的论文
- 报道提到 InjecAgentInjecAgent：工具集成大语言模型智能体的间接提示注入基准评测AgentTracer：通过意图追踪还原 Agent 攻击链
arXiv · 2024-03-05 · 深度解读
故事线
2 个事件
- · 1篇报道· 关注度32AgentTracer 追踪间接提示注入攻击链
- · 1篇报道· 关注度36
中山大学与港科大提出AgentTracer追踪提示注入攻击链本事件
后续时间线
11月3日
- 公众号 模安局AgentTracer：通过意图追踪还原 Agent 攻击链
中山大学与香港科技大学的研究团队提出 AgentTracer，从 Agent 推理记录中提取上下文与决策关系、构建意图驱动执行图，并对齐用户授权空间，从而在历史日志中定位间接提示注入的注入点、重建攻击链。在 AgentDyn 和 InjecAgent 两个数据集各 300 条成功攻击日志上，系统平均攻击识别率为 97.34%，注入点定位准确率 94.17%，攻击链覆盖率 90.25%，精确率 93.56%。消融实验显示，用时间序列图替代意图驱动执行图后注入点定位准确率下降 17 个百分点，用 LLM 直接判断意图偏移则下降 27 个百分点。在 100 条正常执行日志的 394 条可评估执行边中，作者报告 13 条被误标为意图偏移，边级误报率 3.52%；作者也指出该方法依赖较完整的推理记录，较适合 ReAct 这类有显式决策记录的架构。
相关讨论
关注度走势
每天新增来源
- 11月3日新增1个来源（1家媒体、0个账号）
- 11月4日新增0个来源（0家媒体、0个账号）
- 11月5日新增0个来源（0家媒体、0个账号）
- 11月6日新增0个来源（0家媒体、0个账号）
- 11月7日新增0个来源（0家媒体、0个账号）
- 11月8日新增0个来源（0家媒体、0个账号）
- 11月9日新增0个来源（0家媒体、0个账号）
- 11月10日新增0个来源（0家媒体、0个账号）
- 11月11日新增0个来源（0家媒体、0个账号）
- 11月12日新增0个来源（0家媒体、0个账号）
- 11月13日新增0个来源（0家媒体、0个账号）