SkillPoison: Progressive Skill Poisoning via Successful Experiences

arXiv cs.CR · 7 oct, 06:00

Investigadores presentan SkillPoison, un método de envenenamiento de habilidades en agentes LLM que aprovecha experiencias verificadas y exitosas para inyectar comportamientos maliciosos sin que estos sean detectables. A diferencia de ataques anteriores que inyectan contenido malicioso directo, SkillPoison manipula cómo se generalizan las habilidades extraídas, logrando tasas de éxito del 95,71% mientras que todas las experiencias inyectadas permanecen correctas en la tarea.