TrustedARI: Towards Trust-Native Agentic Routing Infrastructure for Agentic AI
Tsinghua University（清华大学）
针对代理路由基础设施（ARI）中查询和响应被明文访问、无法验证路由完整性的信任风险，提出TrustedARI，通过三方TLS握手、隐私保护查询构建和可验证计费协议实现信任原生路由，实验表明高效且无需修改服务提供商。
2026-06-16 cs.AI cs.CR
Securing Agentic AI Systems -- A Multilayer Security Framework
University of California, Berkeley（加州大学伯克利分校）
针对自主AI系统的独特安全挑战，本文采用设计科学研究方法，提出了一种生命周期感知的安全框架MAAIS，并引入自主AI的CIAA概念，通过多层防御机制确保AI生命周期的机密性、完整性、可用性和问责性，最后利用MITRE ATLAS进行验证。
2025-12-19 cs.AI cs.CR cs.CY
Malice in Agentland: Down the Rabbit Hole of Backdoors in the AI Supply Chain
ServiceNow Research；Mila - Qu\'ebec AI Institute
研究探讨了在交互数据上微调AI代理时引入的安全漏洞，提出三种供应链威胁模型，证明通过污染少量演示即可使代理泄露用户信息。
2026-08-05 cs.AI cs.CR cs.LG
They'll Verify. They Just Won't Act. How Authority Framing and Laundered Code Turn a Trusted Agentic CI/CD Pipeline Into an Attack Surface
Senthex Research（Senthex研究机构）；RELAY Lab（RELAY实验室）
研究五代理CI/CD管道在面对恶意输入时的安全性，通过AxB（xC）析因设计实验发现权威框架注入会使下游验证者放行恶意代码，基于内容的控制会失效，只有来源感知控制可防攻击，揭示了现有保护机制的不足。
2026-07-22 cs.AI cs.CR cs.MA
Hierarchical Server Architecture for Agentic Science
Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）
针对智能体科学的资源调度需求，提出分层动态架构及软件，借助秘书智能体在云、边缘和HPC系统中发现资源，经模拟验证其协商准确率达87.71%，选择成本与传统策略相当，可支持Genesis Mission。
2026-09-09 cs.AI cs.DC
Secure and Energy-Efficient Wireless Agentic AI Networks
Department of Computer Science, Brunel University of London（布鲁内尔大学计算机科学系）；Nanjing University of Posts and Telecommunications（南京邮电大学）
本文提出了一种安全且节能的无线代理人工智能网络，通过动态分配代理和优化资源分配，提升服务质量并降低能耗。
2026-02-16 cs.AI
MIMO Gaussian Broadcast Channels with Confidential and Common Messages
研究了两接收机多输入多输出（MIMO）高斯广播信道上的保密通信问题。发送器有两个独立的机密消息和一个公共消息。每个机密消息都是针对其中一个接收者的，但需要对另一个完全保密，而公共消息是针对两个接收者的。结果表明，一个自然的方案，结合秘密脏纸编码与高斯叠加编码实现的保密容量区域。为了证明这一结果，通道增强的方法和极值熵不等式的Weingarten等人。
2010-01-18 cs.CR cs.IT math.IT
Verification of Adaptive Agentic Controllers through Finite Rule Revision
Open University of Cyprus（塞浦路斯开放大学）
研究自适应智能体控制器在特定条件下的验证问题，提出以有限规则等表示的有界验证协议，将故障映射到规则编辑，经实验得出三种结果，贡献是提供了可测试控制器故障相关特性的模拟兼容程序。
2026-09-11 cs.AI cs.MA cs.SY
Whispers in the Machine: Confidentiality in Agentic Systems
CISPA Helmholtz Center for Information Security（信息安全勒内希特中心）
研究探讨了基于大语言模型的代理系统中的保密性问题，通过抽象敏感数据为秘密字符串，评估了十种代理在20种工具场景和14种攻击策略下的安全性，发现所有代理均存在至少一种漏洞，现有防御措施无法有效防止数据泄露。
2026-04-21 cs.CR cs.LG
Agentic Witnessing: Pragmatic and Scalable TEE-Enabled Privacy-Preserving Auditing
Advanced Research and Invention Agency (ARIA)（先进研究与发明机构）
本文提出Agentic Witnessing框架，通过可信执行环境实现隐私保护审计，利用代理进行逻辑验证，避免数据泄露，验证代码库是否符合论文描述。
2026-04-27 cs.AI cs.CR cs.ET
Efficient Cloud-based Secret Shuffling via Homomorphic Encryption
当处理来自多个来源的机密数据的联合收集时，例如，在基于云的多方计算场景中，数据提供者与其输入本身之间的所有权关系是机密信息。保护数据提供者的隐私需要一种用于秘密地混洗数据汇集的功能。我们提出了第一个有效的安全多方计算协议的秘密洗牌的情况下，一个中央服务器。基于一种新的随机索引分布方法，我们的解决方案使加密数据序列的顺序随机化，使得没有观察者可以以比猜测更好的概率在原始序列和混洗序列的元素之间进行映射。它允许在具有恒定轮复杂度和线性计算复杂性的加法同态密码系统下对加密的数据进行混洗。作为一种通用协议，它与各种实际用例相关。
2020-02-12 cs.CR
Context Kubernetes: Declarative Orchestration of Enterprise Knowledge for Agentic AI Systems
OPIT -- Open Institute of Technology（开放技术研究所）
本文提出Context Kubernetes架构，通过声明式知识架构-as-code和三层权限模型，解决企业知识在代理AI系统中的安全编排问题，实验表明其在治理和安全性方面优于传统方法。
2026-04-16 cs.AI cs.SE
Multi-Antenna Gaussian Broadcast Channels with Confidential Messages
在无线数据网中，由于其广播性质，通信特别容易受到窃听。安全和隐私系统对于无线提供商和企业网来说已经变得至关重要。研究了高斯广播信道中多天线发射机利用\emph{information-theoretic secrecy}向两个用户发送独立的保密消息的保密通信问题。也就是说，每个用户都希望以可靠和安全的方式获得其自己的机密消息。该通信模型被称为具有机密消息的多天线高斯广播信道（MGBC-CM）。在这种通信场景下，首先基于高斯码本设计了一种秘密的脏纸编码方案和相应的可达保密率域。接下来，为MGBC-CM提供保密容量区域上的可计算Sato型外边界。此外，证明了Sato型外边界与秘密脏纸编码可达速率区域的边界一致，从而建立了MGBC-CM的保密容量区域。最后，数值例子表明，在信息论保密要求下，两个用户可以同时获得正速率。
2008-04-26 cs.CR cs.IT math.IT
PowerBench: A Benchmark for Agentic Retrieval and Reasoning in Power Systems
Tongji University（同济大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Big Data Center of State Grid Corporation of China（国家电网有限公司大数据中心）；Johns Hopkins University（约翰斯·霍普金斯大学）；Carnegie Mellon University（卡内基梅隆大学）；National University of Singapore（新加坡国立大学）
针对电力系统智能体评估缺乏真实数据与链式依赖的问题，提出PowerBench基准，含生成框架和合成数据集，测试前沿LLM在受限条件下的检索推理，最佳准确率仅74.2%，为可靠部署提供洞见。
2026-09-29 cs.AI
Multiple-Input Multiple-Output Gaussian Broadcast Channels with Confidential Messages
研究了两接收机多输入多输出（MIMO）高斯广播信道上的保密通信问题。发送器有两个独立的消息，每个消息都是针对其中一个接收器的，但需要对另一个保持渐近完全保密。结果表明，令人惊讶的是，在矩阵功率约束下，两个消息可以同时发送在各自的最大保密率。为了证明这一结果，重新审视了MIMO高斯窃听信道，并通过使用人工噪声和随机分组的新编码方案提供了其保密能力的新表征。
2009-03-23 cs.CR cs.IT math.IT
Interference Assisted Secret Communication
无线通信由于其广播性质而容易受到窃听攻击。本文说明了如何利用干扰来对抗窃听并协助保密。特别是，被认为是一个窃听信道的帮助下，窃听器（WT-HI）。在这里，发射机在被动窃听者存在的情况下并在独立窃听者的帮助下向其预期的接收机发送机密消息。不知道机密消息的解密者通过发送独立信号来帮助确保消息的保密性。给出了离散无记忆信道和高斯信道下WT-HI的可达保密率和保密容量的几个可计算的外界。
2009-08-17 cs.CR cs.IT math.IT
Universal share based quantum multi secret image sharing scheme
针对图像安全与窃听威胁，本研究结合量子计算与视觉密码学优势，提出了一种基于通用份额的量子多秘密图像共享技术，为企业数据访问和军事通信等应用提供了高抗窃听能力的鲁棒安全解决方案。
2025-09-16 cs.CR
Skill-as-API: Confidential Multi-Agent Coordination for Agentic Software Engineering
Technical University of Munich（慕尼黑工业大学）；London Business School（伦敦商学院）
针对多智能体协调的知识产权泄露问题，提出Skill-as-API协议，实现技能主体不跨网传输，结合XMTP开源实现完成拉取请求审核案例验证。
2026-09-03 cs.CR
From Single Chatbots to Governed Agent Ecosystems: An Agentic AI Pattern Catalogue and Orchestration Framework for Mission-Critical Hospital Information Management Systems
本研究针对医院信息管理系统提出以合规为核心的智能体AI模式目录与编排框架，可减少文档处理时间等成本、强化管控，助力医院将AI投资转化为可持续回报。
2026-08-11 cs.AI cs.CL cs.LG
Share Secrets for Privacy: Confidential Forecasting with Vertical Federated Learning
Delft University of Technology（代尔夫特理工大学）；ASML（ASML公司）；Université de Neuchâtel（内阿捷尔大学）
本文提出STV框架，结合秘密共享、多方计算与SARIMAX等模型，实现纵向联邦学习下的保密时间序列预测，精度较集中式SOTA提升23.81%。
2025-06-11 cs.CR cs.DC cs.LG
Interference-Assisted Secret Communication
由于无线介质的广播性质，无线通信易受对抗性窃听的影响。在本文中，它是如何窃听可以减轻利用无线介质的叠加特性。一个窃听信道与帮助窃听器（WT-HI），其中发送器发送一个机密的消息，其预期的接收器在存在的被动窃听器，并与一个独立的窃听器的帮助下，被认为是。不知道机密消息的解密者通过发送独立信号来帮助确保消息的保密性。给出了WT-HI可实现的保密率。结果表明，干扰可以被利用，以协助在无线通信保密。一个重要的例子，高斯的情况下，其中的窃听者有一个更好的信道到预期的接收器比窃听者，被认为是。在这种情况下，窃听器可以以确保其可以被预期接收器解码并从接收到的信号中减去但不能被窃听器解码的速率发送（随机）码字。因此，只有窃听者受到干扰，并且机密消息的机密级别增加。
2008-04-09 cs.CR cs.IT math.IT
MUZZLE: Adaptive Agentic Red-Teaming of Web Agents Against Indirect Prompt Injection Attacks
Northeastern University（东北大学）；Mozilla Corporation（Mozilla公司）
提出MUZZLE框架，利用智能体轨迹自动识别高显著性注入面，自适应生成上下文相关的恶意指令，评估网络智能体对间接提示注入攻击的安全性，发现44种新攻击和跨应用攻击策略。
2026-06-16 cs.AI cs.CR
Vulnerabilities in Partial TEE-Shielded LLM Inference with Precomputed Noise
Rutgers, The State University of New Jersey（新泽西州立大学罗格斯分校）
研究揭示了部分TEE防护LLM推断中的漏洞，通过两种攻击证明了预计算静态秘密基础导致的加密漏洞，并展示了对先进LLMs的实际攻击效果。
2026-02-11 cs.AR cs.CR
Security Analysis of Agentic AI Communication Protocols: A Comparative Evaluation
Ariel University, Israel（阿里埃尔大学）；Jerusalem College of Technology, Israel（耶路撒冷理工学院）
本文首次对 CORAL、ACP 和 A2A 三种智能体通信协议进行实证安全比较，发现 CORAL 架构稳健但实现层存在认证授权漏洞，ACP 因可选 JWS 导致完整性与机密性缺陷，并提出结合两者优势的混合方案以构建更安全的下一代智能体通信。
2025-11-05 cs.CR
Extracting Secrets from Encrypted Virtual Machines
AMD SEV是多租户系统上主内存加密的硬件扩展。SEV使用片上协处理器AMD安全处理器，以透明的方式加密虚拟机内存，并使用永远不会离开协处理器的单个临时密钥。目标是保护租户内存的机密性，使其免受恶意或受损的虚拟机管理程序以及内存攻击，例如通过冷启动或DMA。SEVered攻击表明，管理程序仍然可以从SEV加密的虚拟机中以明文形式提取内存，而无需访问其加密密钥。然而，加密阻碍了传统的虚拟机内省技术在提取之前在存储器中定位秘密。这可能需要提取大量的内存来检索特定的秘密，从而导致耗时，明显的攻击。我们提出了一种方法，允许恶意虚拟机管理程序快速识别和窃取秘密，如TLS，SSH或FDE密钥，从当前SEV硬件上的加密虚拟机。我们首先从管理程序中观察虚拟机的活动，以推断最有可能包含秘密的内存区域。然后，我们系统地提取这些内存区域，并分析其内容的飞行。这允许有效地检索目标秘密，大大增加了快速，强大和隐形盗窃的机会。
2019-01-07 cs.CR
Confidential Prompting: Privacy-preserving LLM Inference on Cloud
Yale University（耶鲁大学）
针对云托管LLM推理中的用户提示与模型参数隐私泄露风险，本文提出基于机密计算的Petridish系统，通过核心技术安全分区解码（SPD）实现兼顾效率、输出一致性的可审计隐私保护推理。
2025-11-19 cs.CL cs.CR
On Achieving Privacy-Preserving State-of-the-Art Edge Intelligence
University of Amsterdam（阿姆斯特丹大学）
边缘计算中的深度神经网络（DNN）推理（通常称为边缘智能）需要解决方案来确保敏感数据的机密性和知识产权在此过程中不会泄露。保护隐私的边缘智能才刚刚出现，尽管边缘计算作为机器学习即服务的背景越来越流行。解决方案尚未应用于最先进的DNN，并可能进行调整。该立场文件提供了对现有隐私保护DNN推理技术与边缘计算设置特征的兼容性的原始评估，强调了在这种情况下秘密共享的适当性。然后，我们解决了未来的作用，模型压缩方法的研究对秘密共享的DNN与国家的最先进的性能。
2023-02-17 cs.AI cs.CR cs.DC
TFHE-Coder: Evaluating LLM-agentic Fully Homomorphic Encryption Code Generation
University of Central Florida（中佛罗里达大学）
本文提出编译器集成框架TFHE-Coder，系统评估开源与闭源LLM生成TFHE逻辑门和ReLU代码的能力，并验证RAG、少样本提示等智能体优化可降低错误、改善可编译性与代码保真度。
2025-03-15 cs.CR cs.LG
Agentic Privacy-Preserving Machine Learning
Tsinghua University（清华大学）
提出Agentic-PPML框架，通过通用LLM理解意图并将加密推理委托给垂直领域专业模型，消除LLM处理加密提示的需求，使隐私保护LLM服务实用化。
2025-07-30 cs.CR cs.LG
Extending the Formalism and Theoretical Foundations of Cryptography to AI
ETH Zurich（苏黎世联邦理工学院）；Microsoft Research（微软研究院）；Georgetown University（乔治城大学）；University of Washington（华盛顿大学）
本文提出了一种基于形式化方法的代理访问控制框架，通过统一保密性、完整性和可用性，解决了现有授权机制缺乏共享基础的问题，并证明了模块化分解在代理系统安全性中的重要性。
2026-03-03 cs.CR
TrojanStego: Your Language Model Can Secretly Be A Steganographic Privacy Leaking Agent
University of Göttingen（哥廷根大学）；LKA NRW（北莱茵-威斯特法伦州检察署）；Bocconi University（博科尼大学）
TrojanStego通过语言隐写术在LLM输出中隐秘泄露敏感信息，展示了一种新型被动且危险的LLM数据外泄攻击方式。
2026-01-07 cs.CL cs.CR
When Speculation Spills Secrets: Side Channels via Speculative Decoding In LLMs
University of Toronto（多伦多大学）
研究揭示了通过猜测解码在大语言模型中泄露用户信息的侧信道，并提出缓解措施。
2026-02-11 cs.AI cs.CL cs.CR
Secure Scattered Memory: Rethinking Secure Enclave Memory with Secret Sharing
University of Notre Dame（圣母大学）；Wuhan University（武汉大学）
安全分散内存通过多项式秘密分享替代传统加密，实现更高效的安全内存保护，性能优于现有方案。
2026-02-11 cs.AR cs.CR
API Secrets Should Never Become Tokens in the LLM's Vocabulary: A Threat Analysis of API Credential Handling in LLM Agent Systems and an Empirical Evaluation of a Vault-Mediated Execution Boundary
Corvic AI Research（Corvic人工智能研究院）
本研究分析LLM智能体凭据暴露威胁链，提出保险库中介执行架构，通过实验证明其能有效防止API密钥泄露，但需结合最小权限等安全措施。
2026-09-29 cs.AI cs.CR cs.LG
An Image Steganography Scheme using Randomized Algorithm and Context-Free Grammar
目前，密码学被广泛使用，因为它被利用在从数据机密性到数据完整性和消息认证的各个领域中。基本上，密码学会打乱数据，使未经授权的各方无法读取。然而，清晰可见的加密信息，无论多么牢不可破，都会引起怀疑。更好的方法是使用隐写术隐藏消息的存在。从根本上说，隐写术将秘密数据隐藏到称为载体的看似无辜的介质中，然后这些介质可以安全地从发送者传输到接收者，而不会被注意到。本文提出了一种新的隐写方案，利用随机算法和上下文无关文法将数字数据隐藏到未压缩的图像文件中。此外，该方案使用两种介质来传递秘密数据：载体图像，其中秘密数据被隐藏到随机像素中，以及结构良好的英文文本，对随机载体像素的位置进行编码。在运行时使用与英语单词词典耦合的上下文无关文法来生成英语文本。该方案具有隐蔽性好、不易被发现、检测和恢复等优点。实验结果表明，如何覆盖和所提出的计划的工作过程中发现。作为未来的工作，语义分析器是要开发，使英语文本媒体语义正确，从而更安全地传输，而不提请任何注意。
2012-12-10 cs.CR cs.MM
StegoMemory: Agentic Memory Acts as Covert Steganographic Channel
Indian Institute of Information Technology, Kalyani（卡利亚尼印度信息技术学院）；RYVANE
本研究通过大规模红队测试证明智能体记忆可被用作跨会话隐蔽隐写信道，发现25.4%的试验可恢复载荷，并主张将记忆完整性、信息流控制和隐蔽信道检测纳入智能体系统安全要求。
2026-10-06 cs.CL cs.CR
