DIBench: Benchmarking Decision Integrity of GUI-based Mobile Agents Under Deceptive Injections

arXiv cs.CR · 7 oct, 06:00

Investigadores presentan DIBench, un conjunto de pruebas para evaluar la integridad de decisiones en agentes móviles basados en GUI frente a inyecciones engañosas. El benchmark demuestra que estas inyecciones pueden desviar selecciones críticas sin anomalías evidentes, y que las métricas tradicionales de éxito de tareas ocultan vulnerabilidades de seguridad.