待验证50% 置信基准精确时间
GuardAgent-OS 作者提供的测试数据显示，对常见提示注入攻击的遏制率达到 99.4%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
GuardAgent-OS：用类型安全 Python 架构守护自主代理安全
rss2026/10/16
涉及实体
相关事实
待验证根据 Google 的安全数据，编程评估尝试中未授权捷径占 2%，间接提示注入攻击在 15 次自适应尝试中的成功率为 0.7%。71% 相似待验证研究表明攻击者只需修改训练数据中低至0.01%的比例，就可能在模型中植入标准评估中不可检测的后门行为70% 相似待验证卡内基梅隆大学研究显示对抗性图案攻击成功率在受控环境为90%以上，但引入正常视角变化后降至实际部署场景的30%以下70% 相似待验证deepset-deberta和fmops-distilbert在测试中捕获100%攻击，但误报率高达98%。69% 相似待验证在629个AgentDojo攻击和97个良性工具输出的测试中，jailbreak-detector-large的捕获率为51%，误报率为2%。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1043844API
curl https://kongchang.com/api/v1/knowledge/claims/1043844MCP
get_claim(id=1043844)