arXiv · cs.AI· Songping Wang, Peiyang Li, Yi Huang, Fengting Li, Xuhao Ran, Yueming Lyu, Chao Feng, Caifeng Shan·· 7 小时前
MobileInject：跨模态一致性注入下评测MLLM移动智能体的推理到行动安全
MobileInject: Evaluating Reasoning-to-Action Security of MLLM-Based Mobile Agents under Cross-Modal Consistency Injection
arXiv:2610.23307v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Songping Wang, Peiyang Li, Yi Huang, Fengting Li, Xuhao Ran, Yueming Lyu, Chao Feng, Caifeng Shan
研究任务与主要进展
作者提出MobileInject，用于评测基于多模态大语言模型的移动智能体在跨模态一致性注入攻击下的推理与行动安全。摘要称，该基准包含11个场景、9类安全风险和108个可执行风险实例，并提出多角色协作欺骗、推理伪装注入两种增强攻击方法及细粒度安全诊断框架；系统性实验显示，移动智能体普遍容易受到多模态注入影响，许多失败源于早期推理劫持。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org