文献データベース

UTS at ELOQUENT 2026 Voight-Kampff: structural shifts in AI writing bypass state-of-the-art detectors

Authors: Dima Galat, Marian-Andrei Rizoiu | Published: 2026-07-15
AIシステムの関係性
データ毒性攻撃
敵対的オブジェクト生成

Adversarial Prompting Framework for AI Safety Assessment

Authors: Yash Bhatnagar, Kunal Banerjee, Anirban Chatterjee | Published: 2026-07-15
プロンプトインジェクション
敵対的オブジェクト生成
脅威モデル

DREA: Decoupled Reasoning and Exploration Agents for Repository-Level Vulnerability Detection

Authors: Mingyang Sun, Guozhu Meng | Published: 2026-07-15
LLMの安全機構の解除
脆弱性予測
評価基準

Silent Alarm: A J-Space Protocol for Comparing Danger Recognition Across Models and Quantization Levels

Authors: Roman Prosvirnin, Victor Minchenkov, Alexey Soldatov, Vladimir Bashun | Published: 2026-07-14
トレードオフ分析
モデル評価手法
評価基準

Bulkhead: Automated Semantic Detection and Remediation of Container Escape Vulnerabilities

Authors: Qiyuan Fan, Zhi Li, Junjie Li, XiaoFeng Wang, Bin Yuan, Deqing Zou | Published: 2026-07-14
コンテナセキュリティ
プロンプトインジェクション
脆弱性優先順位付け

PVDetector: Detecting Prompt Injection Attacks on Purpose-Specific LLM Agents through Policy-Violation Concept Analysis

Authors: Junhui Wang, Hangtao Zhang, Zhirun Zheng, Li Zeng, Jiejun Xiao, Xi Luo, Lihua Yin, Saiqin Long | Published: 2026-07-14
インダイレクトプロンプトインジェクション
エージェント操作手法
行動操作攻撃

Open-Source Intelligence for Code Provenance and the Security Patterns that Separate Human and Large-Language-Model Implementations of Common Programming Tasks

Authors: Mohammadreza Rashidi | Published: 2026-07-14
プロンプトリーキング
モデル抽出攻撃
情報セキュリティ

Agent-Safety Evaluations as Load-Bearing Evidence: A Vendor-Neutral, Cross-Harness Reconstructability Metric

Authors: Oleg Solozobov | Published: 2026-07-14
エージェント操作手法
モデル評価手法
評価基準

Isolation as a First-Class Principle for LLM-Agent System Safety: Concepts, Taxonomy, Challenges and Future Directions

Authors: Huihao Jing, Wenbin Hu, Shaojin Chen, Haochen Shi, Sirui Zhang, Hanyu Yang, Changxuan Fan, Zhongwei Xie, Hongyu Luo, Wun Yu Chan, Wei Fan, Haoran Li, Yangqiu Song | Published: 2026-07-14
RAGへのポイズニング攻撃
プロンプトインジェクション
攻撃手法の説明

Agent Hacks Agent: Autoresearch for Production-Agent Red-Teaming

Authors: Xutao Mao, Xiang Zheng, Cong Wang | Published: 2026-07-13
インダイレクトプロンプトインジェクション
シナリオベースの悪用
攻撃手法評価