将间接提示注入重新定义为测试时搜索问题
原文标题：Rethinking Indirect Prompt Injection as a Test-Time Search Problem
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
该研究将间接提示注入形式化为测试时搜索问题，提出代理攻击者框架，通过环境侦察和策略推理提升漏洞发现能力。实验表明增加测试时计算可改善攻击效果，强调代理安全评估需考虑搜索过程和计算预算。
- 问题
- 间接提示注入攻击的评估把攻击成功率当作与预算无关的固定属性，忽略攻击者的搜索过程。
- 方法
- 将间接提示注入形式化为任务相关攻击面上的测试时搜索，构建带搜索框架的代理攻击者，做环境侦察与策略推理。
- 结果
- 未给出量化结果，仅报告增加攻击者测试时计算可提升漏洞发现与利用。
- 影响
- 工具型代理的安全评估必须同时报告攻击者搜索流程与计算预算，否则风险被系统性低估。
深读 · 结论先行AI 生成展开看要点与影响 ↓
间接提示注入被形式化为测试时搜索问题，攻击者算力越多漏洞发现与利用越好。
- •将间接提示注入定义为对「环境、用户任务、注入任务」共同诱导的攻击面做测试时搜索。
- •提出带专用搜索harness的代理攻击者，执行环境侦察、攻击策略结构化推理与基于受害者反馈的自适应评估。
- •跨异构任务实验显示：提高攻击者测试时算力可改善漏洞发现与利用效果。
- •消融表明显式策略管理对避免冗余搜索、在大预算下维持增益很重要。
为什么重要：工具型智能体的安全评估不能把攻击成功率当作与预算无关的受害者属性，需同时报告攻击者搜索过程与算力预算。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。