MIND：面向LLM Agent的记忆注入防御框架

2026年10月15日，arXiv Artificial Intelligence 刊出 Dongyi Liu 等作者的预印本，提出面向记忆增强型 LLM 智能体的轻量防御框架 MIND（Memory Intent-Aware Neural Denoising），用于应对记忆注入攻击。该框架采用意图感知信息瓶颈（IB），从智能体的初始意图与逐轮行为中提取紧凑的意图—行为表示，再由轻量检测器识别恶意记忆，以避免重复调用 LLM 进行审计的开销。据该报道，在 ReAct-StrategyQA 上，MIND 将平均 ASR-r 与 ASR-a 分别降低 58.1% 和 53.5%，同时平均准确率与延迟与未防御智能体持平。目前该工作以论文预印本形式发布，报道未提及代码、数据集或部署情况。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。