研究人员开发了两个新的框架来对抗利用增强现实（AR）和大型语言模型（LLMs）的社会工程攻击。第一个框架PhySE使用视觉语言模型进行快速画像生成，并使用自适应心理学代理实时定制社会工程策略。第二个框架UNSEEN提供了跨堆栈防御，结合了AR设备的访问控制、用于画像抑制的大型语言模型遗忘以及运行时代理护栏。两个框架均在获得IRB批准的用户研究中进行了评估，涉及60名参与者和360次标注对话。 AI
影响 引入了针对复杂的增强现实大型语言模型社会工程的新型防御机制，可能影响未来的安全协议。
排序理由 两篇学术论文提出了针对增强现实大型语言模型社会工程攻击的新型防御框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.23148v1 Announce Type: new Abstract: The emerging threat of AR-LLM-based Social Engineering (AR-LLM-SE) attacks (e.g. SEAR) poses a significant risk to real-world social interactions. In such an attack, a malicious actor uses Augmented Reality (AR) glasses to capture a…
arXiv:2604.23141v1 Announce Type: cross Abstract: Emerging AR-LLM-based Social Engineering attack (e.g., SEAR) is at the edge of posing great threats to real-world social life. In such AR-LLM-SE attack, the attacker can leverage AR (Augmented Reality) glass to capture the image a…