共收录 32 条相关情报。
← 返回所有主题该论文研究一个此前较少被形式化的问题：一个被正确治理的 LLM Agent 可能进入一种「两难」状态——既不允许继续执行，也不允许自动停机。此时系统已检测到自身可观测性层或漂移检测层出现持续性失效，但它无法自行判定谁拥有恢复执行、拒绝继续或
该论文关注的是一类正在快速进入持续集成（CI）流水线的安全控制：基于大语言模型（LLM）的代码仓库审计器（repository auditor）。这类工具会对提交给出 admit（放行）、block（阻断）或 delay（延迟）等结论，实质
该论文针对自主智能体（Agentic AI）系统的可审计性提出新概念 ProofWeave。背景是：现代智能体通过工具调用、记忆、任务委派和外部服务持续行动，其行为边界跨越多个组件与信任域。现有的可观测性与数据溯源（provenance）机
该论文研究 AI 图像生成器以不透明 API 形式部署后的完整性审计问题。现实中，客户只能查询已部署的服务，无法检查模型权重或架构，这给"调包"（bait-and-switch）留下空间：供应商可能先以某个生成器通过治理认证，之后在部署阶段
论文研究 LLM Agent 执行轨迹（trace）的可信度问题。异步监控、事件响应调查与合规审计都高度依赖 agent traces 来还原"当时到底发生了什么"，而这些流程隐含一个前提假设：agent 无法篡改自身的执行记录。作者系统性
本文提出并实现了一个面向医院伦理委员会（Hospital Ethics Committee）投票场景的轻量级以太坊原型系统，技术栈为 Solidity 智能合约、Hardhat 开发与测试框架、React 前端、MetaMask 钱包与 e
该论文关注可穿戴人体活动识别（HAR）模型在跨传感器、跨受试者和跨骨干网络部署时的鲁棒性审计问题。作者指出，一条看似平滑的时序波形可能表面上属于时间扰动，但实际上主要利用的是持续性的传感器偏置。为此提出 SpectrumAudit：一种标签
该论文针对 AI Agent 运行时（runtime）中「把授权前置到调度边界之前」这一常见优化思路提出质疑：把授权提前确实可以缩短 Agent 的调度边界（dispatch boundary），但授权工作本身并没有被消除，反而可能放行一个
该论文聚焦检索增强生成（RAG）系统中的隐私删除问题。当前大量 RAG 应用依赖基于图的近似最近邻（ANN）向量索引，这类索引在收到删除请求后，往往只是把被删除的向量 ID 从返回结果中过滤掉，索引的搜索图本身并不会立即重建。作者指出，这种
本论文针对协作编辑场景下文档公证的失效问题提出了新的范式。传统基于区块链的文档公证是“快照导向”的：每一次文档修订都被视为一个独立状态，通过密码学引用（如哈希）单独锚定到链上。这种模型对不可变工件有效，但在多人协作编辑的文档上力不从心：并发
本文针对智能体式 AI（agentic AI）系统的审计独立性问题，提出了一套分级审计协议。当前智能体系统能够自主规划、调用工具并在有限监督下行动，它们既是被审计对象，也越来越多地充当审计者；然而作为保证体系基石的“独立性”仍被当作二元属性
论文关注一个在 AI 辅助内容生产中日益突出的治理问题：当证据、分析过程、人工授权、对外呈现以及勘误历史分别指向不同的状态时，AI 辅助产生的结论会显得具有权威性，实际上各环节并不自洽。作者指出，现有的出处（provenance）、远程证明
该论文是一篇面向「工具调用型 AI 智能体」授权体系的系统性综述，作者来自产业与研究机构。文章指出：能够自主调用 API、数据库、浏览器以及 MCP（Model Context Protocol）等智能体间协议的 AI Agent 正在成为
本文针对代理式AI系统的可审计性与证据可信度问题展开研究。在智能体流程中，系统频繁交换消息、调用工具、请求审批、进行结构化决策会话并修改共享工件；日志与锚点虽能提供篡改证据，但其证据含义往往是隐式的——哈希不能确立语义真实性，签名不能证明授
本文由 Arslan Brömme 撰写，是一篇立场与架构论文，针对自主AI代理在相互通信、调用工具、交换中间结果及请求人工审批等流程中产生的全新审计难题。核心背景是 2026 年 OpenAI/Hugging Face 事件所暴露出的痛点
本文针对智能体（Agent）评估中的证据充分性与覆盖范围问题，提出了一套名为 ClaimReceipt 的声明相对收据规范与选择性验证器。研究背景是：在智能体评测中，存在两种不同的证据问题：一是已报告声明能否从保留证据中重新计算得出（充分性
长时程智能体（如自动编码代理）执行数千个动作，其故障往往是顺序蔓延而非孤立错误。针对此类场景中的问责、因果追溯和第三方验证问题，论文提出“Agent Flight Recorder”（AFR）：一种面向工具使用型智能体的防篡改审计追踪系统。
多智能体系统由多个独立部署者协作，在事故调查时，验证者需要确认哪一部署者发布了被报告的输出，以及每次跨部署委派边是否经过双方授权。现有凭证体系只能证明“谁被允许行动”，无法将运行者的身份与后期产生的输出字节绑定，也无法证明动态创建的委派边获
本文首次系统性地审计了行为生物特征认证（BBA）系统中的人口统计信息泄漏问题。BBA 系统使用深度学习模型将眼动、语音、按键/触摸动态、步态等生物信号转换为身份嵌入向量，用于用户认证。然而，这些嵌入在编码身份的同时，可能无意中泄露性别、年龄
本文针对代理系统中动作授权与审计披露之间的根本冲突提出了一种新的架构设计。传统上，系统为了授权某个动作必须查看其原始参数，而为了审计又需要将这些参数记录在不可篡改的账本中，这导致敏感数据（如收件人、付款备注、记录标识符）被持久化存储，产生隐