Newest papers

AgentPhishing: A Benchmark of LLM Email Agents Under Adaptive Attack

Justin Tan, Miao Li, Ding Zhao · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31404 · open-access PDF

Russian

Агенты, использующие компьютер, все чаще обрабатывают частную информацию и действуют от имени пользователей в десктопных и веб-приложениях, включая электронную почту. Фишинг, следовательно, представляет риски для конфиденциальности и безопасности, которые зависят не только от того, распознают ли агенты вредоносные сообщения, но и от того, как они реагируют.Существующие наборы данных фишинга были разработаны в первую очередь для обычного обнаружения, оставляя подверженность агента убедительным вредоносным запросам недостаточно охарактеризованной.

Machine translation (Meta M2M100); the English original follows.

Abstract

Computer-use agents increasingly handle private information and act on users' behalf across desktop and web applications, including email. Phishing therefore poses privacy and security risks that depend not only on whether agents recognize malicious messages, but also on how they respond. Existing phishing datasets were developed primarily for conventional detection, leaving agent susceptibility to persuasive malicious requests insufficiently characterized. To expose vulnerabilities that pre-existing datasets may miss, we introduce AgentPhishing, a benchmark for evaluating whether persuasive p

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange