提示注入防御新方法

论文提出语义覆盖层技术，通过在冻结模型的残差流上添加小型学习适配器，为文本跨度提供带外注释通道，从而缓解提示注入攻击。实验显示，该方法在SEP基准上将分离率从24.3%提升至96.5%，同时保持效用不变，攻击成功率显著下降。

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。