1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Матеріали конференцій, семінарів, читань
  3. 2026
  4. ⅩⅤ Міжнародна науково-технічна конференція ITSec: Безпека інформаційних технологій (2026)
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/53817
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorШклярський, Роман
dc.contributor.authorЖуравчак, Даниїл
dc.coverage.temporal27-29 травня 2026 року
dc.coverage.temporal27-29 May 2026
dc.date.accessioned2026-08-27T15:43:57Z-
dc.date.available2026-08-27T15:43:57Z-
dc.date.created2026-05-27
dc.date.issued2026-05-27
dc.identifier.citationШклярський Р. Оцінювання методів захисту агентних систем на основі великих мовних моделей / Роман Шклярський, Даниїл Журавчак // ITSEC, 27-29 травня 2026 року. — Т. : ТНТУ, 2026. — С. 291–292.
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/53817-
dc.format.extent291-292
dc.language.isouk
dc.publisherТНТУ
dc.publisherTNTU
dc.relation.ispartofМатеріали ⅩⅤ Міжнародної науково-технічної конференції ITSec: Безпека інформаційних технологій, 2026
dc.relation.ispartofProceedings of the 15th International Scientific and Technical Conference ITSec: Information Technology Security, 2026
dc.relation.urihttps://people.cs.vt.edu/djwillia/papers/agenticos26-xoa.pdf
dc.titleОцінювання методів захисту агентних систем на основі великих мовних моделей
dc.typeConference Abstract
dc.rights.holder© Кафедра кібербезпеки Тернопільського національного технічного університету імені Івана Пулюя, 2026
dc.coverage.placenameТернопіль
dc.coverage.placenameTernopil
dc.format.pages2
dc.subject.udc004.8
dc.subject.udc004.056.5
dc.relation.references1. Sehwag V. et al. Clawed and Dangerous: Can We Trust Open Agentic Systems? arXiv. 2025.
dc.relation.references2. Prompt Injection Attacks on Agentic Coding Assistants: A Systematic Analysis of Vulnerabilities in Skills, Tools, and Protocol Ecosystems. arXiv. 2025.
dc.relation.references3. Prompt Injection Attacks in Large Language Models and AI Agent Systems. MDPI Information. 2025. Vol. 17, No. 1.
dc.relation.references4. Chen S. et al. StruQ: Defending Against Prompt Injection with Structured Queries. USENIX Security Symposium. 2025.
dc.relation.references5. Zou W. et al. PoisonedRAG: Knowledge Corruption Attacks to Retrieval- Augmented Generation of Large Language Models. USENIX Security Symposium. 2025.
dc.relation.references6. Semantic Chameleon: Corpus-Dependent Poisoning Attacks and Defenses in RAG Systems. arXiv. 2025.
dc.relation.references7. RAGShield: Provenance-Verified Defense-in-Depth Against Knowledge Base Poisoning in Government RAG Systems. arXiv. 2025.
dc.relation.references8. PROMPTPEEK: Prompt Leakage via KV-Cache Sharing in Multi-Tenant LLM Serving. NDSS Symposium. 2025.
dc.relation.references9. Cao Y. PLeak: Prompt Leaking Attacks against Large Language Model Applications. ACM CCS. 2024.
dc.relation.references10. Williams D. Execute-Only Agents: Architectural Defense Against Prompt Injection for AI Agents. URL: https://people.cs.vt.edu/djwillia/papers/agenticos26-xoa.pdf (дата звернення: 05.05.2026).
dc.relation.referencesen1. Sehwag V. et al. Clawed and Dangerous: Can We Trust Open Agentic Systems? arXiv. 2025.
dc.relation.referencesen2. Prompt Injection Attacks on Agentic Coding Assistants: A Systematic Analysis of Vulnerabilities in Skills, Tools, and Protocol Ecosystems. arXiv. 2025.
dc.relation.referencesen3. Prompt Injection Attacks in Large Language Models and AI Agent Systems. MDPI Information. 2025. Vol. 17, No. 1.
dc.relation.referencesen4. Chen S. et al. StruQ: Defending Against Prompt Injection with Structured Queries. USENIX Security Symposium. 2025.
dc.relation.referencesen5. Zou W. et al. PoisonedRAG: Knowledge Corruption Attacks to Retrieval- Augmented Generation of Large Language Models. USENIX Security Symposium. 2025.
dc.relation.referencesen6. Semantic Chameleon: Corpus-Dependent Poisoning Attacks and Defenses in RAG Systems. arXiv. 2025.
dc.relation.referencesen7. RAGShield: Provenance-Verified Defense-in-Depth Against Knowledge Base Poisoning in Government RAG Systems. arXiv. 2025.
dc.relation.referencesen8. PROMPTPEEK: Prompt Leakage via KV-Cache Sharing in Multi-Tenant LLM Serving. NDSS Symposium. 2025.
dc.relation.referencesen9. Cao Y. PLeak: Prompt Leaking Attacks against Large Language Model Applications. ACM CCS. 2024.
dc.relation.referencesen10. Williams D. Execute-Only Agents: Architectural Defense Against Prompt Injection for AI Agents. URL: https://people.cs.vt.edu/djwillia/papers/agenticos26-xoa.pdf (Date of appeal: 05.05.2026).
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.citation.journalTitleМатеріали ⅩⅤ Міжнародної науково-технічної конференції ITSec: Безпека інформаційних технологій
dc.citation.spage291
dc.citation.epage292
dc.citation.conferenceⅩⅤ Міжнародна науково-технічна конференція ITSec: Безпека інформаційних технологій
dc.identifier.citation2015Шклярський Р., Журавчак Д. Оцінювання методів захисту агентних систем на основі великих мовних моделей // ITSEC, Тернопіль, 27-29 травня 2026 року. 2026. С. 291–292.
dc.identifier.citationenAPAShkliarskii, R., & Zhuravchak, D. (2026). Otsiniuvannia metodiv zakhystu ahentnykh system na osnovi velykykh movnykh modelei. Proceedings of the 15th International Scientific and Technical Conference ITSec: Information Technology Security, 27-29 May 2026, Ternopil, 291-292. TNTU. [in Ukrainian].
dc.identifier.citationenCHICAGOShkliarskii R., Zhuravchak D. (2026) Otsiniuvannia metodiv zakhystu ahentnykh system na osnovi velykykh movnykh modelei. Proceedings of the 15th International Scientific and Technical Conference ITSec: Information Technology Security (Tern., 27-29 May 2026), pp. 291-292 [in Ukrainian].
Розташовується у зібраннях:ⅩⅤ Міжнародна науково-технічна конференція ITSec: Безпека інформаційних технологій (2026)

Файли цього матеріалу:
Файл Опис РозмірФормат 
ITSEC_2026_Shkliarskii_R-Otsiniuvannia_metodiv_291-292.pdf491,74 kBAdobe PDFПереглянути/відкрити
ITSEC_2026_Shkliarskii_R-Otsiniuvannia_metodiv_291-292__COVER.png785,68 kBimage/pngПереглянути/відкрити
Показати базовий опис матеріалу Перегляд статистики


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.