<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>Context Bomb on CyberVeille</title>
    <link>https://cyberveille.ch/tags/context-bomb/</link>
    <description>Recent content in Context Bomb on CyberVeille</description>
    <generator>Hugo -- 0.146.0</generator>
    <language>fr-fr</language>
    <copyright>Cyberveille CC BY-NC-SA 4.0</copyright>
    <lastBuildDate>Tue, 27 Oct 2026 00:00:00 +0100</lastBuildDate>
    <atom:link href="https://cyberveille.ch/tags/context-bomb/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Tracebit : des &#39; context bombs &#39; pour dérouter les agents IA offensifs et multiplier leurs coûts par 23</title>
      <link>https://cyberveille.ch/posts/2026-10-27-tracebit-des-context-bombs-pour-derouter-les-agents-ia-offensifs-et-multiplier-leurs-couts-par-23/</link>
      <pubDate>Tue, 27 Oct 2026 00:00:00 +0100</pubDate>
      <guid>https://cyberveille.ch/posts/2026-10-27-tracebit-des-context-bombs-pour-derouter-les-agents-ia-offensifs-et-multiplier-leurs-couts-par-23/</guid>
      <description>&lt;h2 id=&#34;-contexte&#34;&gt;🔬 Contexte&lt;/h2&gt;
&lt;p&gt;Publié le 27 octobre 2026 sur le blog de Tracebit (tracebit.com), cet article présente les résultats d&amp;rsquo;une recherche offensive/défensive portant sur l&amp;rsquo;utilisation de leurres et pièges (« context bombs ») pour contrecarrer des agents IA utilisés comme outils d&amp;rsquo;attaque automatisée.&lt;/p&gt;
&lt;h2 id=&#34;-objectif-de-la-recherche&#34;&gt;🎯 Objectif de la recherche&lt;/h2&gt;
&lt;p&gt;Tracebit a développé et testé &lt;strong&gt;neuf techniques de déception&lt;/strong&gt; destinées à exploiter les comportements caractéristiques des agents IA offensifs : suivi de fausses pistes, confiance excessive dans les données lues, et incapacité à abandonner un puzzle non résolu. Les tests ont été conduits dans un &lt;strong&gt;environnement AWS contrôlé&lt;/strong&gt; sur &lt;strong&gt;773 évaluations&lt;/strong&gt;, contre &lt;strong&gt;sept modèles de langage&lt;/strong&gt; : GPT-6 Astra, GPT-5.6 Cyber, Claude Opus 5, GLM-5.3, Kimi K3, Qwen 3.8 Max et DeepSeek V4 Pro.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
