该论文聚焦于 LLM Agent 安全监测中的一个关键盲区：当前绝大多数 Agent 安全基准与防护方案都建立在应用层遥测之上，即所暴露的工具清单（tool manifest）、用户提示词以及模型消息序列。作者指出，这种单层视角存在结构性缺陷——部分威胁会刻意把恶意指令与操作“走私”越过应用边界，使其在应用层遥测中完全不可见（例如仅在内核系统调用层面才会留下痕迹的行为）。为弥补这一缺口，论文首次给出了面向 Agent 安全的“配对证据”刻画：把应用层 Agent 遥测与内核层系统调用（syscall）轨迹在同一会话中对齐采集，从而可以直接比较两层信号在威胁判别上的价值。为量化增强遥测带来的收益，作者构建了 ACE（Agent Cross-Layer Evidence）数据集，这是一个配对会话语料库，包含 4,047 个会话和 17 种威胁模型，覆盖六大投递向量家族、OWASP LLM 与 Agentic 威胁分类 25 类中的 14 类，并归纳为 12 种攻击机制，同时逐一分析每种机制中最具判别力的证据究竟落在哪一层。评测方面，作者使用四类不同的检测器家族进行实验，结论有三点：其一，内核层证据本身即具备独立的判别能力，并非只能作为应用层的补充；其二，将内核证据与应用层证据进行组合，整体表现普遍优于任何单一层次的视图，说明两层信号具有互补性，单层分析会遗漏部分可判别信息；其三，方法展现出对未见攻击家族的泛化能力，并可迁移到另一种 Agent 运行环境。论文的总体贡献在于确立了跨层证据对 Agent 安全检测的价值，为该方向提供了首个成对的评测语料与机制级证据定位分析，也为后续构建跨层检测器提供了方法论与基线。适合从事 Agent 安全、运行时检测、主机/内核遥测与红蓝对抗研究的读者阅读。