**SPILLWAY:通过分离目标准入与净化防御提示注入攻击** _SPILLWAY: Separating Target Admission from Sa
原帖
**SPILLWAY:通过分离目标准入与净化防御提示注入攻击**
_SPILLWAY: Separating Target Admission from Sanitization to Defend Tool-Using Agents against Prompt Injection_
> 针对工具使用型智能体(Tool-using Agents)面临的提示注入风险,SPILLWAY 提出了一种确定性防御框架。该框架将“目标准入”与“内容净化”分离:通过检查工具返回的字段类型(如邮箱发送者、收款账户)来验证行动目标,而非依赖可能受污染的提示词;同时利用固定规则移除注入指令并保留证据,由本地法官决定是否恢复被拒行动。实验表明,SPILLWAY 在无需重新运行底层模型的情况下,能有效抵御各类提示注入攻击,同时保持智能体的高可用性与跨模型架构的通用性。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-products
- **发布时间**:2026-11-17 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.07222)