プロンプトリーキング

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

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

SparLeak: Privacy Leakage from Sparse Attention in LLM Inference on Shared GPUs

Authors: Fahao Chen, Linkang Du, Jinhao Zhou, Peng Li, Zhou Su | Published: 2026-09-30
データ漏洩
プロンプトリーキング
透かしの耐久性

ToolFence: Fine-Grained Authorization for Secure Tool-Using LLM Agents

Authors: Yanjie Li, Xiangyu He, Xuelong Dai, Bin Xiao | Published: 2026-09-29
インダイレクトプロンプトインジェクション
プロンプトインジェクション攻撃
プロンプトリーキング

Practical Secrets Extraction against Black-box LLMs

Authors: Shiqian Zhao, Siwei Jiang, Xinfeng Li, Runyi Hu, Yandan Zheng, Congyu Guo, Tianwei Zhang, Anh Tuan Luu | Published: 2026-09-29
データ生成
プロンプトリーキング
透かし技術

Safer Content or Firmer Refusals? A Hybrid Perturbation Defense for Alignment under Harmful Fine-tuning

Authors: Muhammad Zeeshan Akram, Mufid Kamel Marican, Anvesh Reddy Yenugu, Ali Zain Kaimkhani, Minghong Fang | Published: 2026-09-29
プロンプトリーキング
安全性分析
透かし手法

LLMs Learn to Evade Latent Monitors from Prior Feedback Alone

Authors: Hugo Lyons Keenan, Christopher Leckie, Sarah Erfani | Published: 2026-09-29
プロンプトインジェクション
プロンプトリーキング
モデル編集手法

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

ClaimMirage: When Self-Claims in Domain Names Change LLM Threat Judgments

Authors: Daiki Chiba, Hiroki Nakano, Takashi Koide | Published: 2026-09-24
フィッシング攻撃
プロンプトインジェクション
プロンプトリーキング

Reasoning Topology Matters: A Controlled Study of LLM-Based Cybersecurity Analysis

Authors: Jiling Zhou, Aisvarya Adeseye, Antti Hakkala, Seppo Virtanen, Jouni Isoaho | Published: 2026-09-21
RAG
プロンプトリーキング
推論トポロジー