Prompt注入检测器榜单失灵：最佳工具在真实Agent场景仅拦下2%攻击

arXiv 论文(2610.03448)对 15 款 prompt 注入检测器、3 个基准进行系统评测，发现基准与真实场景严重失配：在 BIPIA 基准上排名最佳的检测器，迁移到模拟真实 Agent 环境的 AgentDojo 基准、且将误报率控制在 1% 左右时，对注入攻击的检出率仅约 2%。研究揭示现有榜单难以反映检测器在真实智能体场景中的防御能力，暴露该领域评测体系的重大缺陷。

2026-10-12 ~ 2026-10-14 · 2 条相关

• 实测 15 款注入检测器：最佳工具仅拦下 2% 真实 Agent 注入攻击 — lulzxdxdxd · 2026-10-12
• prompt 注入检测器榜单失灵:最佳检测器对 AgentDojo 仅检出 2% — lulzxdxdxd · 2026-10-14