文献データベース

ActionGuard: Tool Call Authorization under Poisoned Skills

Authors: Jihun Han, Yejin Jang, Byung Il Kwak, Mee Lan Han | Published: 2026-09-30
セキュリティテスト
プロンプトインジェクション
攻撃の評価

Hiding in Plain Sight: Decoupling Pretext from Actuation for Skill Poisoning in LLM Agents

Authors: Wenxin Wu, Lingyong Yan, Lei Sha, Shuaiqiang Wang, Jiashu Zhao | Published: 2026-09-30
ハルシネーション
プロンプトリーキング
毒性攻撃に特化した内容

MiniRep: Robust Reputation-Based Aggregation for Multi-Agent Debate

Authors: Jiaming Zhang, Yuwan Liu, Yue Huang, Sisi Duan | Published: 2026-09-30
マルチエージェント議論
リスク検出手法
透かしに関連する技術が議論されている

Faithful Dual-constrained Erasure for Robust LLM Safety Alignment

Authors: Jiaqing Li, Shide Zhou, Zhibo Zhang, Yuxi Li, Tianlong Yu, Kailong Wang | Published: 2026-09-30
プロンプトインジェクション
プロンプトリーキング
安全性メカニズムの分析

MADBench: Benchmarking the Security of Multi-Agent Debate

Authors: Yuwan Liu, Jiaming Zhang, Yue Huang, Sisi Duan | Published: 2026-09-30
RAG
攻撃フロー最適化
透かしに関連する技術が議論されている

Can Agents Trust Their Skills? Uncovering Unsafe Chains of Trust in Skill-Based LLM Agents

Authors: Yan Wang, Zhihao Zhang, Ke Chen, Kai Chen, Yaqin Zhang, Duohe Ma, Jun Dai, Xiaoyan Sun | Published: 2026-09-30
インダイレクトプロンプトインジェクション
セキュリティテスト
脆弱性攻撃手法

Approval Laundering: Systematizing Approval–Execution Binding Failures in AI Coding-Agent Harnesses

Authors: Yang Wang | Published: 2026-09-30
ツールの脆弱性
安全性メカニズムの分析
透かしに関連する技術が議論されている

APTInvestBench: Evaluating Autonomous APT Investigation under Varying Telemetry

Authors: Yu Wang, Shuhao Li, Tao Yin, Ziyang Li, Xueying Zhao, Peishuai Sun, Jiang Xie | Published: 2026-09-30
サイバーセキュリティの脅威
透かしに関連する技術が議論されている
透かしに関連する技術が議論されているため

Unlearning Deceptive Behaviors in LLMs with Contrastive Forget Sets

Authors: Haoran Tang, Rajiv Khanna | Published: 2026-09-30
AIシステムの行動や信頼性に関する議論が含まれているため
RAG
透かしに関連する技術が議論されている

SceneJail: Exploiting Video Scenario Context to Jailbreak Multimodal LLMs

Authors: Wenyu Chen, Li Wang, Chuanchao Zang, Xiangtao Meng, Xinyu Gao, Jianing Wang, Zheng Li, Shanqing Guo | Published: 2026-09-30
プロンプトインジェクション
大規模言語モデル
脆弱性攻撃手法