白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← 研究目录

风险评测 · 评测基准

AgentDojo: A Dynamic Environment to Evaluate Prompt Injection Attacks and Defenses for LLM Agents

NUWA 研究解读 · 独立复核待完成

首次发表: 来源核验: 2026-10-25
NUWA Research Note研究问题研究设计与假设来源发现NUWA 解读局限与相反证据研究与决策意义机构与角色原始资源

模型辅助整理 · 选读原始全文或官方文章中的相关章节;尚未完成逐章节审计。

研究速读

NUWA 解读:抗攻击能力须与基础能力及合法任务完成共同解释。

研究问题

工具智能体处理攻击者控制的外部数据时能否保持任务效用?

研究设计与假设

可执行有状态环境含97项用户任务、629个安全案例,配对合法任务与攻击目标。

来源发现

没有攻击时智能体也会失败。

攻击下效用要求完成合法任务且无攻击副作用(§3.4),不只是拒绝注入。

NUWA 解读

NUWA 解读:抗攻击能力须与基础能力及合法任务完成共同解释。

局限与相反证据

工具无法预先规划或合法工具已足以攻击时,隔离会失败;持续多任务上下文覆盖有限。

研究与决策意义

模型建议:分别报告良性效用、攻击下效用及目标攻击成功率。

精确来源位置

来源核查、数据提取、编辑批准与实验复现分别记录。 方法说明 →

机构与角色

作者 (4)

Edoardo Debenedetti · Jie Zhang · Mislav Balunovic · Luca Beurer-Kellner   Marc Fischer   Florian Tramèr

评测协议

AgentDojo →

引用与复用

引用研究发现时请引用原始出版物;引用 NUWA 的整理与解释时,单独引用本站记录及对应快照。

原始出版物 · BibTeX
@misc{agentdojo,
  title = {AgentDojo: A Dynamic Environment to Evaluate Prompt Injection Attacks and Defenses for LLM Agents},
  url = {https://arxiv.org/html/2406.13352v3},
  author = {Edoardo Debenedetti and Jie Zhang and Mislav Balunovic and Luca Beurer-Kellner   Marc Fischer   Florian Tramèr},
  year = {2024},
  date = {2024-11-24},
  version = {arXiv:2406.13352v3},
  note = {arXiv:2406.13352v3}
}
NUWA 记录 · BibTeX
@misc{agentdojo-nuwa,
  title = {AgentDojo: A Dynamic Environment to Evaluate Prompt Injection Attacks and Defenses for LLM Agents — NUWA research record},
  url = {https://whitzard.tech/nuwa/whitzard-index/work/agentdojo/},
  version = {2026-10-29.1},
  organization = {NUWA Frontier AI Safety Lab},
  howpublished = {Retained note edition: https://whitzard.tech/nuwa/whitzard-index/data/record-editions/2026-10-29.1--agentdojo.json},
  note = {NUWA research note. Source-reading scope and independent review status are stated on the record. Snapshot 2026-10-29.1. Retained note edition: https://whitzard.tech/nuwa/whitzard-index/data/record-editions/2026-10-29.1--agentdojo.json.}
}

证据快照 2026-10-29.1 · 索引更新 · RSS

参考文献

  1. [1] Edoardo Debenedetti, Jie Zhang 等. AgentDojo: A Dynamic Environment to Evaluate Prompt Injection Attacks and Defenses for LLM Agents. 2024-11-24. v3 ; Author affiliations on the original paper title page; Abstract; §3 Designing and Constructing AgentDojo