When Alignment Isn't Enough: Response-Path Attacks on LLM Agents

该论文首次提出并形式化了一种针对BYOK（自带密钥）智能体架构的新威胁——对齐后篡改攻击。在BYOK架构中，用户将LLM流量路由通过第三方中继，但中继在LLM生成响应后、智能体执行前可以修改结果，从而破坏对齐。作者将该威胁实例化为中继篡改攻

历史摘要 · 未重新核验 · arXiv cs.CR