本地智能体提示注入防御评测公布

开发者 smhassanraza1 公布 hijack-proof-agent 评测结果：项目以 Qwen3.5-4B 同时负责规划和独立上下文检查，通过“先规划后执行”与动作门控抵御工具数据中的间接提示注入；在158个攻击案例和47个正常任务上，攻击成功率从38%降至11%，在未针对其调优的更强攻击模板下从46%降至14%。 该方案只需一个小模型，检查无法读出明确的 YES 或 NO 时会放行操作。项目称防御同时使用规划和全新上下文检查，不依赖额外模型或 GPU。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。