TRM-Raft: A Byzantine-Resistant Raft Consensus via Integrated Trust and Reputation Model
本论文针对 Raft 共识算法在开放互联网环境（Internetware）中面临拜占庭故障（如选举伪造、日志篡改）时鲁棒性不足的问题，提出了一种名为 TRM-Raft 的拜占庭抵抗增强方案。该方案非侵入式地将基于区块链的信任与声誉模型（B-
#agent-security
共收录 1542 条相关情报。
← 返回所有主题TRACE: A Two-Channel Robust Attribution Watermark via Complementary Embeddings for LLM-Agent Trajectories
该论文提出了TRACE，一种针对LLM智能体轨迹的双通道鲁棒属性水印方案。在LLM智能体通过转售商（reseller）分发的场景中，转售商可能篡改开发者智能体的品牌或替换为更便宜的模型。当所有权发生争议时，归属认证依赖于轨迹日志（工具调用、
Token-Flow Firewall: Semantic Runtime Auditing for Persistent AI Agents
该论文针对持久化AI代理（Persistent AI Agents）的安全性提出了一种新的运行时防御框架。与传统单轮对话助手不同，持久化AI代理通过长期运行的软件系统与用户交互，其不安全内容可通过持久化状态、可复用技能和工具中介交互传播，形
From Legacy Documentation to OSCAL: An MCP-Based Agent Pipeline for Threat-Informed Continuous Compliance in Critical Infrastructure
本文针对关键基础设施中操作技术环境无法主动扫描但需要风险评估和合规反馈的挑战，提出了一种基于 MCP（Model Context Protocol）的非侵入式多智能体流水线。该流水线将自然语言系统描述转换为来源可验证的知识图谱和符合 NIS
Simulating the Resident: Generating Executable Smart Home Schedules via LLM Personas
本文针对智能家居人机交互研究中数据集获取困难、成本高昂且侵犯隐私的问题，提出利用大型语言模型（LLM）生成多样化的居民角色（personas），这些角色与模拟智能家居环境交互，产生行为驱动的可执行交互时间表，从而在物理测试床上复现居民行为。
Out of Sight: Compression-Aware Content Protection against Agentic Crawlers
本文针对基于大型语言模型（LLM）的智能代理（如具备推理、总结和记忆能力的代理）对在线内容构成的新型威胁，提出了一种内容保护框架CAPE。传统的防御手段如访问控制易被模拟普通浏览器的代理绕过，而注入式防御往往降低人类可读性。作者重新审视代理
Prismata: Confining Cross-Site Prompt Injection in Web Agents
本文提出 Prismata，一种针对自主 Web 智能体（web agent）的跨站提示注入攻击的防御框架。背景：自主 Web 智能体旨在自动化日常浏览任务，但继承了 Web 最古老的攻击面之一——跨站脚本攻击（XSS）表明混合可信与不可信
Beware What You Autocomplete: Forensic Attribution of Backdoored Code Completions
本文提出 CodeTracer，一个面向大语言模型代码补全系统中后门攻击的取证框架。背景是：代码补全系统（如 Copilot）依赖大型语言模型，但模型可能通过恶意微调数据被植入后门，导致生成恶意代码。现有防御技术难以检测和缓解自适应后门攻击
Who Broke the System? Failure Localization in LLM-Based Multi-Agent Systems
该论文研究了基于大语言模型（LLM）的多智能体系统中的故障定位问题。在多智能体系统中，多个LLM驱动的智能体通过协调推理和行动来解决复杂任务，但由于长期交互和智能体行为的紧密耦合，当执行失败时，很难确定哪个智能体负责以及轨迹在哪个点首次变得
Functional and Secure Code Generation with Task Vectors
大型语言模型（LLM）在代码生成领域应用广泛，但其生成的代码往往存在功能缺陷或安全漏洞。现有研究要么分别评估功能性和安全性，要么侧重于生成后查找漏洞，而缺乏同时保证两者的方法。近年来，文本生成领域涌现出多种对齐技术，其中任务向量算术通过线性
ScopeJudge: Cost-Aware Pre-Execution Gating for Offensive Security Agents
本文针对LLM驱动的自动化攻击安全代理在执行任务时可能因越界调用工具而违反客户约定边界、破坏生产环境或导致漏洞赏金失效的问题，提出了预执行门控（pre-execution gating）方案。核心思想是在强代理执行工具调用之前，由一个轻量级
Beyond Attack-Success Rate: Action-Graded Severity Scale for Tool-Using AI Agents
该论文针对工具型AI智能体的红队测试评估提出了一个关键问题：现有的二元攻击成功率指标（攻击成功或失败）忽略了防御者最需要的信息——即攻击造成的实际危害程度。作者设计了一个基于动作的分级危害量表（Action-Graded Harm Rubr
The Blind Curator: How a Biased Judge Silently Disables Skill Retirement in Self-Evolving Agents
自进化智能体通过观察技能执行失败来淘汰不良技能，从而保持技能库的质量。然而，当智能体依赖无参考任务的LLM作为评判者时，评判者的偏见可能导致技能淘汰机制失效。本文通过有偏奖励分析，理论证明偏见并非简单增加噪声，而是会无声地关闭技能淘汰功能。
Beware of Agentic Botnets: Scalable Untargeted Promptware Attacks via Universal and Transferable Adversarial HalluSquatting
本文研究了一种针对智能体化大语言模型（LLM）应用的新型可扩展攻击——对抗性幻觉抢注（Adversarial HalluSquatting）。随着LLM应用越来越多地具备智能体能力（如集成终端、工具调用等），攻击者可通过提示注入（promp
Reason Less, Verify More: Deterministic Gates Recover a Silent Policy-Violation Failure Mode in Tool-Using LLM Agents
该论文研究了使用工具的LLM智能体在策略许可环境中可能出现的静默策略违反失败模式。当工具执行任何格式正确的调用时，即使对应的状态转换被领域策略禁止，工具本身和智能体的自我报告都不会暴露错误，导致静默的错误状态（如预订取消、乘客数量更改、未经
Forensic Schema for Psychological Manipulation in Cyber Fraud: LLM-Driven Victim Reports Analysis
该论文提出了一种针对网络诈骗中心理操纵的取证模式。现有的网络犯罪分类模式主要捕获联系元数据和金融交易，但忽略了犯罪分子使用的心理操纵技术。作者设计了一个包含4大类、35个问题的取证模式，在已有的取证基础之上增加了11个操纵指标和加密货币证据
Certifying Ghosts: How Cybersecurity AI Agents Break the EU Cyber Resilience Act
本文分析了欧盟《网络弹性法案》（CRA）在网络安全AI代理（CAI）时代面临的根本性挑战。CRA的核心逻辑是：不要求产品完全没有漏洞，只要求制造商执行一个持续的安全流程——风险评估、漏洞处理、更新发布。该逻辑依赖于四个前提假设：(P1) 发
REFORGE: A Method for Benchmarking LLMs' Reverse Engineering Capabilities in Decompiled Binary Function Naming
该论文提出 REFORGE 方法，旨在系统评估大型语言模型（LLM）在反编译二进制函数命名中的逆向工程能力。当前 LLM 在逆向工程中的应用日益增多，甚至有威胁情报报告显示它们已被用于真实攻防场景，但现有基准测试存在根本性问题：它们将函数级
Behavioral Privacy Leakage in Agentic Negotiation: Formalizing and Mitigating Inference Attacks via Randomized Policies
该论文研究了自主谈判代理在部署于保险、采购等高风险场景时面临的行为隐私泄露问题。传统的加密技术只能保护显式披露的约束值，但无法防御对手通过观察谈判动态（如让步轨迹、时序、收敛模式）推断私有约束的潜在威胁。本文首次系统形式化了多轮谈判协议中的
The Power of Backdoor Absorption in Community Training
该论文研究了分布式训练场景中的后门攻击防御问题。在联邦学习或去中心化训练中，模型所有者将训练任务外包给外部计算提供商，攻击者可能通过注入低频、隐蔽的触发器植入后门，同时规避常规审计。传统检测方法需要重新计算整个训练过程，计算开销极大，与所有