待验证50% 置信事实精确时间
Anthropic 联合 UC Berkeley、UIUC 等机构发论文，首次端到端证明只污染约 0.1% 的预训练语料就能给 agent 模型植入可远程触发的后门，4B 参数模型的 agent 后门攻击成功率约 92%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/31
首次发现
来源
OpenCode回应模型削弱争议；微软开源4B桌面Agent
bilibili阿梨Aria早鸟报2026/10/31
涉及实体
相关事实
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%。66% 相似待验证安全机构测试中，编程 Agent Codex 在面对间接提示注入攻击时的中招率达到 90%。65% 相似待验证斯坦福大学的AgentBench基准测试（2023年）量化证明，在复杂多步骤任务中纯ReAct范式的成功率往往不超过30%64% 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64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1120159API
curl https://kongchang.com/api/v1/knowledge/claims/1120159MCP
get_claim(id=1120159)