JevVibe: Efficient Classification-Guided Secure Code Generation Authors: Arshak Rezvani, Sasha Behrouzi, Ahmad-Reza Sadeghi | Published: 2026-09-28 コード脆弱性修復生成モデル脆弱性評価 2026.09.28 文献データベース
RISE: Red-teaming via Iterative Strategy Evolution for Modern Text-to-Image Models Authors: Dmitrii Kharlapenko, Sergei Bratchikov, Konstantin Korolev, Aleksandr Nikolich | Published: 2026-09-28 プロンプトエンジニアリングプロンプトリーキング透かし技術 2026.09.28 文献データベース
DGF-Bench: A Benchmark for Simulating and Auditing Deception Against Multi-Agent Governance Boards Authors: Jeremy Canale | Published: 2026-09-28 プロジェクト構築情報セキュリティ攻撃シナリオ設計 2026.09.28 文献データベース
DeShortcut-Align: Decoupling Spurious Shortcuts for Robust Safety Alignment in Large Reasoning Models Authors: Qirui Liu, Yichen Sun, Yan Wang, Zhixuan Chu, Linbo Jiang, Jianan Lin, Kui Ren | Published: 2026-09-28 大規模言語モデル透かし技術過剰拒否緩和 2026.09.28 文献データベース
CoSec: Benchmarking Agent Security in Communities Authors: Hao Chen, Wenhui Dong, Ye Chen, Jiezhi Yao, Chenbo Xia, Yuwen Qu, Renxiang Wang, Fudong Yuan, Camil Hamami, Chenglong Pan, Xinquan Yue, Ziyu Wang, Fengyu Ye, Chenyang Si, Caifeng Shan | Published: 2026-09-28 ガードレール効果プライバシー失敗情報フロー制御 2026.09.28 文献データベース
AuxMark: Defending Against Unauthorized Agent Distillation via Auxiliary Behavioral Watermarking Authors: Yiqing Feng, Haozhe Feng, Shunan Shang, Xiaoyu Zhang, Jian Lou, Haodong Zhao, Mingxun Zhou | Published: 2026-09-28 インダイレクトプロンプトインジェクション生成モデル透かし設計 2026.09.28 文献データベース
TULIP: Targeted LLM Unlearning at Layers Identified Per-Input Authors: Yejin Kim, William F. Shen, Seokwon Jung, Daeun Park, Seong Joon Oh | Published: 2026-09-28 機械学習生成モデル生成モデルの課題 2026.09.28 文献データベース
SEAD: A State-Based Perspective on Attack and Defense in Tool-Using Agents Authors: Xinjie Shen, Junran Wang, Rongzhe Wei, Pan Li | Published: 2026-09-28 ツール使用分析攻撃戦略分析防御手法の効果分析 2026.09.28 文献データベース
How to Tame a Multi-Headed Hydra? Adaptive Multi-Category Safety Steering for Large Language Models Authors: Chenxi Wang, Ruiyang Huang, Li Huang, Yifan Wu | Published: 2026-09-28 メンタルヘルス支援生成モデル特性適応型誤用検出 2026.09.28 文献データベース
CoDeL: Co-Evolutionary Defense against Indirect Prompt Injection in LLM-based Agents Authors: Xiao Yang, Yangchen Ou, Yuhan Gao, Le Wang, Zonghao Ying, Aishan Liu | Published: 2026-09-28 インダイレクトプロンプトインジェクション攻撃手法適応型誤用検出 2026.09.28 文献データベース