Buchumschlag

SOK: A Taxonomy of Attack Vectors and Defense Strategies for Agentic Supply Chain Runtime

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Xiaochong, Yang, Shiqi, Yang, Wenting, Liu, Yichen, Ji, Cheng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ChainCaps: Composition-Safe Tool-Using Agents via Monotonic Capability Attenuation
von: Jiang, Xiaochong, et al.
Veröffentlicht: (2026)

A2AS: Agentic AI Runtime Security and Self-Defense
von: Neelou, Eugene, et al.
Veröffentlicht: (2025)

Agentic AI for Autonomous Defense in Software Supply Chain Security: Beyond Provenance to Vulnerability Mitigation
von: Syed, Toqeer Ali, et al.
Veröffentlicht: (2025)

SHIELD: An Auto-Healing Agentic Defense Framework for LLM Resource Exhaustion Attacks
von: Sivaroopan, Nirhoshan, et al.
Veröffentlicht: (2026)

The Attack and Defense Landscape of Agentic AI: A Comprehensive Survey
von: Kim, Juhee, et al.
Veröffentlicht: (2026)

Securing Retrieval-Augmented Generation: A Taxonomy of Attacks, Defenses, and Future Directions
von: Xu, Yuming, et al.
Veröffentlicht: (2026)

Dual Defense: Enhancing Privacy and Mitigating Poisoning Attacks in Federated Learning
von: Xu, Runhua, et al.
Veröffentlicht: (2025)

Taxonomy, Evaluation and Exploitation of IPI-Centric LLM Agent Defense Frameworks
von: Ji, Zimo, et al.
Veröffentlicht: (2025)

UNSEEN: A Cross-Stack LLM Unlearning Defense against AR-LLM Social Engineering Attacks
von: Yu, Tianlong, et al.
Veröffentlicht: (2026)

MELON: Provable Defense Against Indirect Prompt Injection Attacks in AI Agents
von: Zhu, Kaijie, et al.
Veröffentlicht: (2025)

Towards Agentic Runtime Healing
von: Sun, Zhensu, et al.
Veröffentlicht: (2024)

KG-DF: A Black-box Defense Framework against Jailbreak Attacks Based on Knowledge Graphs
von: Liu, Shuyuan, et al.
Veröffentlicht: (2025)

Threats, Attacks, and Defenses in Machine Unlearning: A Survey
von: Liu, Ziyao, et al.
Veröffentlicht: (2024)

Secret Stealing Attacks on Local LLM Fine-Tuning through Supply-Chain Model Code Backdoors
von: Li, Zi, et al.
Veröffentlicht: (2026)

Backdoor Vectors: a Task Arithmetic View on Backdoor Attacks and Defenses
von: Pawlak, Stanisław, et al.
Veröffentlicht: (2025)

A Critical Evaluation of Defenses against Prompt Injection Attacks
von: Jia, Yuqi, et al.
Veröffentlicht: (2025)

SOK: Exploring Hallucinations and Security Risks in AI-Assisted Software Development with Insights for LLM Deployment
von: Haque, Ariful, et al.
Veröffentlicht: (2025)

Supply-Chain Poisoning Attacks Against LLM Coding Agent Skill Ecosystems
von: Qu, Yubin, et al.
Veröffentlicht: (2026)

MCP-DPT: A Defense-Placement Taxonomy and Coverage Analysis for Model Context Protocol Security
von: Rostamzadeh, Mehrdad, et al.
Veröffentlicht: (2026)

Architectural Obsolescence of Unhardened Agentic-AI Runtimes
von: Metere, Alfredo
Veröffentlicht: (2026)

A Comprehensive Study of Jailbreak Attack versus Defense for Large Language Models
von: Xu, Zihao, et al.
Veröffentlicht: (2024)

TED-LaST: Towards Robust Backdoor Defense Against Adaptive Attacks
von: Mo, Xiaoxing, et al.
Veröffentlicht: (2025)

AgentTrust: Runtime Safety Evaluation and Interception for AI Agent Tool Use
von: Yang, Chenglin
Veröffentlicht: (2026)

BELT: Old-School Backdoor Attacks can Evade the State-of-the-Art Defense with Backdoor Exclusivity Lifting
von: Qiu, Huming, et al.
Veröffentlicht: (2023)

Evolving Security in LLMs: A Study of Jailbreak Attacks and Defenses
von: Shang, Zhengchun, et al.
Veröffentlicht: (2025)

A Framework for Agricultural Food Supply Chain using Blockchain
von: N, Sudarssan
Veröffentlicht: (2024)

Data to Defense: The Role of Curation in Customizing LLMs Against Jailbreaking Attacks
von: Liu, Xiaoqun, et al.
Veröffentlicht: (2024)

Defenses Against Prompt Attacks Learn Surface Heuristics
von: Li, Shawn, et al.
Veröffentlicht: (2026)

Exploring Backdoor Attack and Defense for LLM-empowered Recommendations
von: Ning, Liangbo, et al.
Veröffentlicht: (2025)

Adversarial Machine Learning: Attacks, Defenses, and Open Challenges
von: Jha, Pranav K
Veröffentlicht: (2025)

A Rusty Link in the AI Supply Chain: Detecting Evil Configurations in Model Repositories
von: Ding, Ziqi, et al.
Veröffentlicht: (2025)

A Formal Security Framework for MCP-Based AI Agents: Threat Taxonomy, Verification Models, and Defense Mechanisms
von: Acharya, Nirajan, et al.
Veröffentlicht: (2026)

Ensemble Privacy Defense for Knowledge-Intensive LLMs against Membership Inference Attacks
von: Fu, Haowei, et al.
Veröffentlicht: (2025)

ContraFix: Agentic Vulnerability Repair via Differential Runtime Evidence and Skill Reuse
von: Liu, Simiao, et al.
Veröffentlicht: (2026)

Zero-Trust Runtime Verification for Agentic Payment Protocols: Mitigating Replay and Context-Binding Failures in AP2
von: Lan, Qianlong, et al.
Veröffentlicht: (2026)

Multimodal Prompt Injection Attacks: Risks and Defenses for Modern LLMs
von: Yeo, Andrew, et al.
Veröffentlicht: (2025)

Recent Advances in Attack and Defense Approaches of Large Language Models
von: Cui, Jing, et al.
Veröffentlicht: (2024)

A Survey on Blockchain-based Supply Chain Finance with Progress and Future directions
von: Luo, Zhengdong
Veröffentlicht: (2024)

AdapTools: Adaptive Tool-based Indirect Prompt Injection Attacks on Agentic LLMs
von: Wang, Che, et al.
Veröffentlicht: (2026)

Serverless AI Security: Attack Surface Analysis and Runtime Protection Mechanisms for FaaS-Based Machine Learning
von: Pathade, Chetan, et al.
Veröffentlicht: (2026)