#开源检测器

开源提示注入检测器能否识别真实AI代理攻击

作者用10个开源检测器测试629个真实AgentDojo注入攻击，攻击均嵌入普通工具输出中。结果显示没有检测器能在不误拦正常流量的情况下捕获多数攻击，最佳权衡为51%捕获率、2%误报率，Meta的Prompt Guard 2仅捕获1%。结论是防御需基于指令来源与工具调用行为，而非仅靠文本分类。