📰 Source : TechXplore / Phys.org — Article publié le 19 juillet 2026, basé sur un preprint arXiv (DOI: 10.48550/arxiv.2607.06595) des chercheurs George Torres, Sharad Shrestha et Satyajayant Misra de la New Mexico State University.
🎯 Contexte Les agents LLM dotés de mémoire persistante à long terme (ex. : assistants personnels basés sur ChatGPT, Gemini) sont désormais capables d’agir de manière autonome : gestion d’emails, prise de rendez-vous, mise à jour de code. Cette mémoire persistante introduit de nouvelles surfaces d’attaque.
⚠️ L’attaque GhostWriter GhostWriter est un vecteur d’attaque par empoisonnement de mémoire ciblant les agents LLM personnels à mémoire longue durée. Elle se déroule en deux phases :
- Phase 1 — Injection : un adversaire envoie un payload malveillant caché à l’agent, qui l’enregistre dans sa mémoire persistante sous forme de “fausse mémoire” ou d’instructions malveillantes.
- Phase 2 — Activation : lors d’une requête légitime ultérieure de l’utilisateur, la mémoire empoisonnée est récupérée et exécutée (ex. : redirection silencieuse d’emails bancaires vers la boîte de l’attaquant).
📊 Performances mesurées
- Taux d’injection : ~98% (near-universal)
- Taux d’activation moyen : ~60% contre des agents de l’état de l’art
🛡️ Mitigation proposée : AM-Sentry Les auteurs proposent Agentic Memory Sentry (AM-Sentry), combinant deux techniques :
- Une politique de sauvegarde mémoire (memory-saving policy)
- Un filtre de récupération mémoire (memory-retrieval screen) AM-Sentry réduit significativement le taux de succès de GhostWriter tout en préservant les performances de l’agent.
📄 Type d’article : Publication de recherche académique (preprint arXiv). But principal : présenter un nouveau vecteur d’attaque sur les agents LLM à mémoire persistante et proposer des contre-mesures expérimentales.
🧠 TTPs et IOCs détectés
TTP
- T1565 — Data Manipulation (Impact)
- T1114.003 — Email Collection: Email Forwarding Rule (Collection)
- T1601 — Modify System Image (Defense Evasion)
Malware / Outils
- GhostWriter (other)
- AM-Sentry (tool)
🔴 Indice de vérification factuelle : 30/100 (basse)
- ⬜ techxplore.com — source non référencée (0pts)
- ✅ 6412 chars — texte complet (fulltext extrait) (15pts)
- ⬜ aucun IOC extrait (0pts)
- ⬜ pas d’IOC à vérifier (0pts)
- ✅ 3 TTPs MITRE identifiées (15pts)
- ⬜ date RSS ou approximée (0pts)
- ⬜ aucun acteur de menace nommé (0pts)
- ⬜ pas de CVE à vérifier (0pts)
🔗 Source originale : https://techxplore.com/news/2026-07-hidden-prompts-false-memories-ai.html