Agent Runtime 架構論文閱讀分析：很多間接 prompt injection 真正缺的，不是 detector，而是先把骨架搭對
論文基本資訊 論文標題：Architec...
2026 年 4 月 29 日
Prompt Injection
2026
Nested Learning 論文閱讀分析：很多 agent security 真正缺的，不是再多一個 classifier，而是把防禦、觀測、記憶與成本一起設計
論文基本資訊 論文標題：Prompt I...
2026 年 4 月 29 日
跨語言 Jailbreak 論文閱讀分析：很多 multilingual guardrail 真正缺的，不是翻譯規則，而是守住 harmful intent 本身
這篇論文最值得看的，不是它又做了一個 jailbreak detector，而是它把 multilingual LLM safety 的核心破口講清楚：很多防線其實只守住英文表面，一旦攻擊者改用其他語言，guardrail 可能就整段鬆掉。作者用固定英文 codebook 加 multilingual embeddings，驗證這種外掛式 semantic filter 對模板化跨語言越獄很有效，但在異質、分布漂移的攻擊上很快撞到上限。
2026 年 4 月 29 日
AI 補助審查論文閱讀分析：很多高風險評分流程真正缺的，不是再多一份原則，而是證明它當時真的這樣跑
這篇 paper 真正有價值的，不是把 TEE 套到 grant review，而是把高風險 AI 評分流程裡最常被忽略的 execution evidence 補回來：當模型和 rubric 不能完全公開、結果又必須可申訴時，真正需要的不是更多信任口號，而是能證明它當時真的照宣稱方式執行的 attested bundle。
2026 年 4 月 29 日
AI Agents 安全論文閱讀分析：很多 agent 真正缺的，不是再多一條 prompt guardrail，而是把 delegation 和執法權拆乾淨
這篇 Security Considerations for Artificial Intelligence Agents 最有價值的，不是再列一份 agent threat list，而是把問題拉回 delegation 與 privilege control：當 agent 會自己拿資料、叫工具、跨服務做事，真正該治理的就不只是 prompt 有沒有髒，而是誰在替誰做決定、誰在替誰動手、最後哪一層真的有權說不。
2026 年 4 月 29 日
AI Agent Guardrails 論文閱讀分析：很多防線真正缺的，不是更會喊危險，而是別把正常工作一起掐死
這篇 report 真正值得看的，不是哪家 guardrail 名次排第幾，而是它把一個 production 現實攤開來看：agent 安全防線最難的，往往不是看出明顯攻擊，而是在高模糊邊界樣本上仍維持高攔截率，同時別把正常工作一起誤殺。
2026 年 4 月 29 日
Semantic DoS 論文閱讀分析：很多 LLM robot 真正先被打掉的，不是 integrity，而是被安全語言嚇到停工
這篇論文指出，很多 LLM 控制的機器人真正先被打掉的不是 integrity，而是 availability：攻擊者只要往音訊管道塞進幾句看似合理的安全警語，就能觸發模型的 safety reasoning，讓系統停工、誤報或卡進等待迴圈。
2026 年 4 月 29 日
Cross-Session Threats 論文閱讀分析：很多 agent 真正缺的，不是更大的 context，而是別把碎片當安全
這篇論文真正補到的，不是又多一種 prompt injection，而是把 agent 時代的一個結構性問題講清楚：很多攻擊不是單輪有毒，而是每一輪都像正常工作，合起來才構成跨 session 的惡意軌跡。作者提出 CSTM-Bench，把 cross-session threat 拆成 accumulate、compose、launder、inject_on_reader 等操作型態，並證明不管是逐 session judge，還是把所有歷史硬串起來的 full-log correlator，都會在真正 isolation-invisible 的場景掉很大一截。重點不只是 benchmark，而是提醒大家：長 context 不等於長期威脅理解，真正需要的是能在有限記憶下保留高訊號片段的 stateful runtime defense。
2026 年 4 月 29 日
SnapGuard 論文閱讀分析：很多 screenshot-based web agent 真正缺的，不是更大的模型，而是先有夠快的第一道守門員
這篇論文真正補到的，不是再提醒一次 web agent 會被頁面上的惡意指令帶偏，而是把問題切到 screenshot-based agent 的真實痛點：當模型看到的是整張被渲染過的畫面時，text-only guardrail 常常不夠，而每一步都丟大 VLM 又太重。作者提出 SnapGuard，用視覺穩定性與 action-oriented 文字訊號做輕量級多模態檢測，重點不是追求完美，而是替 browser agent 補上一個夠快、夠便宜、能先攔下可疑畫面的第一道守門員。
2026 年 4 月 29 日
SkillGuard-Robust 論文閱讀分析：很多 agent skill 真正缺的，不是再多一個 prompt filter，而是載入前先把整個 package 審清楚
這篇論文真正補到的，不是再提醒一次 agent skill 可能有毒，而是把問題往前推成 package-level pre-load auditing：當 skill 由 SKILL.md、scripts、reference docs 與 repo context 組成時，真正該審的不是單一句子，而是跨檔案風險鏈。作者提出 SkillGuard-Robust，把審計拆成結構化證據抽取、選擇性語意驗證、衝突鏈仲裁與 rewrite 一致性整合，提醒我們 skill 供應鏈安全的核心其實更像 admission control，而不是單純 prompt moderation。
2026 年 4 月 29 日