文章总结： 本文系统梳理2025年七大顶会150余篇Agent安全领域论文，涵盖越狱防御、红队测试、多Agent博弈等关键方向。核心发现包括：双Agent迭代可提升越狱效率，沙盒接口限制能有效约束Agent行为，过程奖励模型优化Web自动化训练。可操作建议涉及将AgentFuzz集成至CI/CD流程、多Agent互审机制用于内容审核、RAG技术增强应用可靠性。 综合评分： 85 文章分类： AI安全,红队,安全工具,漏洞分析,安全运营
7大顶会、150篇论文，2025 Agent 安全领域最全调研
原创
i3eg1nner&林00 i3eg1nner&林00
SecureNexusLab
2026年4月18日 10:06 北京
在小说阅读器读本章
去阅读
「整理：丸一口 | 2026.04」
❝
一开始整理这个材料的时候，只想着小范围传播，所以会有一些“锐评”和“idea废案”。没想到被SecureNexusLab的小伙伴邀请做广泛开源，内容比较多，没精力对这些碎碎念做删减了，希望不会影响到大家的阅读。
❞
📌
本文覆盖2025年 「S&P / USENIX / CCS / NDSS / ICLR / NeurIPS / ACL」 七大顶会，「150+篇」Agent安全相关论文，每篇带「思路总结」。
🔗
- 「GitHub」： 👉 https://github.com/Van-Echo/OpenWanYikou/tree/main/06-Survey
- 「原博主B站主页」： 👉 https://space.bilibili.com/3461572290677609
- 「评论/获取PDF」：关注公众号后台发送“智能体安全”，获取完整版（含完整PDF及所有论文）
一、S&P 2025
| 论文关键词 | 一句话锐评 | 可用思路 | | — | — | — | | 开源｜文生图越狱｜双Agent迭代种子池 | 两个Agent互相喂种子，越狱效率翻倍 | 红队测试可借鉴这种“左右互搏”思路 |
二、USENIX 2025
| 论文关键词 | 一句话锐评 | 可用思路 | | — | — | — | | 视觉验证码｜将视觉任务转化为搜索优化问题 | 把验证码当搜索题做，绕过率惊人 | 验证码厂商该升级了 | | AgentFuzz｜用Agent迭代种子来找后门漏洞 | Agent自己学挖洞，Fuzzing进入next level | 可集成到CI/CD流程 | | 修代码bug的Agent框架｜无训练｜规范化中间件 | 不训练就能用，中间件做规范化，很务实 | 生产环境可快速接入 | | 主动防御｜无训练｜隐身诱饵陷阱 | 放诱饵让Agent踩，踩到就暴露 | 内部威胁检测的好思路 |
三、CCS 2025
| 论文关键词 | 一句话锐评 | 可用思路 | | — | — | — | | 传感器（车联网）｜防御｜动态信任值 | 车联网传感器动态调信任分，防伪造 | 可推广到IoT场景 | | 系统层面布置探针｜端到端防御 | 从输入到输出全链路防护，理想但重 | 适合高安全等级场景 |
四、NDSS 2025
| 论文关键词 | 一句话锐评 | 可用思路 | | — | — | — | | 离线强化学习｜unlearning｜通过对要遗忘的数据进行微调实现等效unlearning | 不想让Agent记住的数据，微调掉就行 | 合规场景（如GDPR被遗忘权）刚需 | | 沙盒防御｜规定接口限制沙盒内的权限 | 沙盒里把接口卡死，Agent再强也出不去 | 多租户场景必看 |
五、ICLR 2025（含Poster）
| 论文关键词 | 一句话锐评 | 可用思路 | | — | — | — | | 强化学习｜通用物理控制Agent｜物理世界 | 让Agent在物理世界干活，RL玩家狂喜 | 机器人控制方向可追 | | 图形用户界面Agent｜构造数据集｜训练模型 | GUI自动化新基线 | RPA场景直接对标 | | 构造医学数据集 | 医学Agent的基建工作 | 医疗AI赛道必备 | | 评估Agent端到端机器学习工程能力的BenchMark | 测Agent会不会写ML代码，很刚需 | MLE面试新题库（笑） | | （批改）多Agent｜纳什均衡｜强化学习 | 多Agent博弈，最后到纳什均衡 | 多智能体对抗场景 | | 自动化生成工作流｜蒙特卡洛树搜索 | MCTS帮你自动编排Agent工作流 | AutoGPT类项目可借鉴 | | RAG｜通用Agent | RAG套壳？但做得扎实也能发 | 所有RAG应用都该看一眼 | | 教师模型｜偏好对齐｜运动 | 让Agent学会“像人一样动” | 人机交互方向 | | Agent组网｜协议｜有意思 | Agent之间怎么通信？这篇很有意思 | 多Agent系统的底层基建 | | 多智能体集思广益 | 多个Agent一起brainstorm | 创意生成类任务可用 | | 红队测试｜防越狱｜Agent角色扮演左脚踩右脚 | 让Agent扮演红队互相攻防，自我进化 | 红队自动化最优雅的方案之一 |
六、NeurIPS 2025
| 论文关键词 | 一句话锐评 | 可用思路 | | — | — | — | | 推理阶段多次推理取最优 | 不训练，只靠多次采样+投票 | 成本不高，效果不错，直接能用 | | 对闭源的蒸馏｜数据集构建｜计算机使用 | 把闭源Agent（如Claude Computer Use）的行为蒸馏出来 | 平替闭源Agent的核心技术 | | Web Agent｜按步骤给奖励｜过程奖励模型PRM | 不只看结果，每一步都给奖励 | Web自动化训练新范式 | | 大世界｜强化学习&持续学习｜马尔科夫链 | 大世界环境下的Agent持续学习 | 开放世界游戏Agent必读 |
七、ACL 2025（精选）
| 论文关键词 | 一句话锐评 | 可用思路 | | — | — | — | | 事实核查｜多Agent左脚踩右脚 | 多Agent互相纠错，事实核查新范式 | 内容审核场景可借鉴 | | 创造性智能｜用Agent玩密室逃脱 | 测Agent的创造性，密室逃脱是绝佳场景 | 游戏AI + 创造力评估 | | 监测有害Meme梗图｜多Agent左脚踩右脚 | 让Agent自己识别有害梗图 | 内容安全审核 | | 编译｜让Agent模仿人类面对github项目时的工作流 | Agent学会看文档、装依赖、编译 | 自动化DevOps | | 安卓BenchMark｜数据集 | 移动端Agent的标准化测试 | 手机自动化方向必看 | | 金融决策BenchMark｜分层记忆 | 让Agent学会炒股，分层记忆是关键 | 量化交易Agent | | BookWorld｜把世界观提取出来｜有意思 | 从小说提取世界观，Agent在里面演化 | 游戏NPC + 自动化故事生成 |
💡 几个“废案”想法（可能对你有启发）
- 「Agent越狱的“疫苗”思路」：能不能让Agent提前见过所有越狱模板，就像打疫苗一样？—— 成本太高，放弃了
- 「用验证码反制Agent」：既然Agent能过验证码，那能不能动态生成Agent过不了的验证码？—— 猫鼠游戏，没想清楚边界
- 「多Agent“相互水论文”」：让多个Agent互相review + 改稿，自动产出文献综述 —— 试过，质量太差，但未来可期
如果对你有帮助，欢迎「转发、在看、分享」给更多朋友。
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：SecureNexusLab i3eg1nner&林00 i3eg1nner&林00《7大顶会、150篇论文，2025 Agent 安全领域最全调研》
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
评论