Empowering Your Cybersecurity, One Tool at a Time.
SkillJect 把 skill-based prompt injection 從手工 payload 提升成 trace-driven closed-loop attack：攻擊者不只在 skill 裡塞惡意意圖，還會根據 tool calls、file operations 與執行結果反覆修 payload，讓被污染的 skill 更像正常擴充、卻更穩地把 coding agent 帶往錯的行為。
ADAM 把 agent memory 風險從偶發外洩，推進成一條會估計記憶分布、依前一輪回應自我調整、逐步最大化 privacy leakage 的 adaptive extraction attack，提醒我們 memory 應被當成資料平面而不是單純上下文增強層來保護。
這篇論文把 prompt injection 拉進 AI-powered cybersecurity tools 的實戰場景：當 security agent 去掃描與利用惡意目標時，對方回傳的內容本身就可能變成控制訊號。作者在 14 種 attack variants 上觀察到 100% 成功率，並指出從初始接觸到 compromise 可以在 20 秒內完成。
這篇研究用 Reddit 上三個資安社群、892 則討論，拆開真實 SOC 現場如何使用、理解與保留 LLM。最關鍵的結論不是「大家不用 AI」，而是大家主要把它放在低風險、可驗證、能保留人類主導權的任務上；真正阻礙高自治導入的，是可靠性、驗證成本、隱私風險與責任邊界。
MCPThreatHive 的重點不是再做一個單點防禦，而是把 MCP threat intelligence 做成持續運轉的基礎設施：從情報蒐集、LLM 分析、MCP-38/OWASP/STRIDE 對映、知識圖譜，到風險排序與視覺化，補上現有 MCP 安全工具在組合攻擊建模、持續更新與跨框架翻譯上的缺口。
H-TechniqueRAG 把 MITRE ATT&CK 的 tactic→technique 階層直接變成整條 CTI annotation pipeline 的骨架：先找 tactic，再局部檢索 technique，最後用 hierarchy-aware reranking 與 constrained generation 同時換到更高精度、更低延遲與更少 LLM 成本。
這篇論文真正補上的，不是再多抽幾個 IOC，而是把 CTI 裡人看得懂、但機器還不能直接用的線索，自動翻成 SOC 真正跑得動的 regex pattern，讓情資能更實際地接上 log parsing、hunting 與 detection engineering。
這篇 Architecting Secure AI Agents 真正重要的地方，不是再多一個 prompt injection detector，而是把問題重畫成 agent architecture：高效能 agent 幾乎一定需要 dynamic replanning 與 policy update，因此真正該治理的是 plan、policy、approver、executor、policy enforcer 與 environment feedback 之間的控制鏈。
AutoInject 這篇論文最值得注意的，不是它又做出一個 prompt injection 範例，而是它把攻擊從人工 red teaming 推進成可被強化學習最佳化的自動化程序。當 adversarial suffix 能被系統化搜尋、又能跨模型與任務遷移時，很多仰賴固定模板與靜態字串規則的 agent 防線，就會開始撐不住。
這篇論文真正往前推的一點，是把 web agent 的安全判斷從主 agent 的 task reasoning 裡拆出來，變成一個平行運作的 guard model。它不只是再補一句 system prompt，而是在每一步 action 落地前，先讓另一個多模態 guard 檢查 HTML、screenshot 與使用者目標之間是否出現 prompt injection 風險。