Pretext: Defeating Malicious Skill Detection Frameworks for AI Agents

arXiv cs.CR · 1 oct, 06:00

Investigadores demuestran que Pretext, un ataque conocido como white-box, puede evadir defensas LLM como SkillSpector de NVIDIA que escanean skills maliciosos antes de instalarlos en agentes de IA. El ataque mueve el payload de código a lenguaje natural y divide instrucciones entre archivos para burlar tanto análisis estáticos como jueces semánticos, logrando tasas de evasión de hasta el 97% en detectores congelados y el 77% en adaptativos.