TACTIC-KG: Toward Small Agent Teams for Cyber Threat Intelligence Knowledge Graph Construction
网络威胁情报（CTI）报告通常是非结构化、异构且包含噪声的，这限制了它们在自动化分析与推理中的直接可用性。网络安全知识图谱（CSKG）能够以结构化形式表示攻击实体、行动和关系，但从自由文本CTI中构建此类图谱仍然是一个挑战。现有方法通常依赖
#cs.MA
共收录 117 条相关情报。
← 返回所有主题Governed Caste Reassignment in Heterogeneous Swarms: An Asymmetric-Trust Protocol with Audited Operator Countersignature
该论文针对异构机器人集群中的“种姓重新分配”（caste reassignment）问题，提出了一种非对称信任协议。在机器人集群中，机器人会因电池、载荷或优先级变化而频繁调整其角色（即种姓），但现有方法仅将其视为内部调度算法，缺乏外部权威机
Swarm-Driven Multi-Agent Reasoning for Smart City Security
该论文聚焦于智慧城市安全中的推理挑战。智慧城市作为异构设备互联的网络物理生态系统，面临协同攻击威胁，这类攻击通常表现为弱且分布式的指标（如低速率扫描、异常凭据使用、协议误用或延迟横向移动），每个信号单独低于局部告警阈值，因此安全检测不仅是异
Securing People and their Machines Against Major Faults
本文针对草根平台（grassroots platforms）——由通过自选公钥标识的人及他们的智能手机组成的分布式系统——提出了一种安全保障方案，以应对重大故障：私钥丢失和/或智能手机丢失。由于草根平台没有全局资源可供恢复，本文设计了基于对
COHORT: Collaborative Orchestration for Hardening via Offensive Replay on Emulated Topologies
该论文提出了 COHORT，一个用于企业网络缓解措施自动化生成和验证的端到端框架。当前，针对已观测到的攻击者，分析师通常需要数周时间手动推导缓解措施、验证其不影响生产环境，并确保能阻断攻击。COHORT 首次实现了这一过程的自动化：通过角色
Can Trustless Agents Be Trusted? An Empirical Study of the ERC-8004 Decentralized AI Agent Ecosystem
本研究针对 ERC-8004 协议——首个为 AI 代理经济设计的无许可信任层——进行了首次实证分析。该协议通过链上身份、声誉和验证三个注册表，旨在解决自主 AI 代理跨组织交易时的信任评估问题。尽管协议被快速采用，但其实际有效性和安全性未
Maestro Order: A Model-Agnostic Orchestration Harness
该论文提出了 Maestro Order，一个模型无关的编排框架，旨在将不可靠的单一模型（如大型语言模型）转化为可靠的问题解决系统。核心思路是通过四种结构原语（分解、集成、验证和递归）组合基础模型，并引入预算感知控制器，动态决定在何处分配计
Revelio: Cost-Efficient Agentic Memory Safety Vulnerability Detection For Repository-Scale Codebases
本文提出 Revelio，一个面向仓库级代码库的内存安全漏洞检测智能体框架。内存安全漏洞（如缓冲区溢出、释放后使用等）即使在经过大量模糊测试和人工审计的项目中仍然存在。现有基于大型语言模型（LLM）的方法虽有潜力，但存在幻觉、不可靠且难以扩
Heterogeneous LLM Debate Under Adversarial Peers: Honest Gains, Replacement Costs, and Resilience
该论文研究了异构大语言模型（LLM）在多智能体辩论中面对恶意的对手时的表现。核心问题是：异构的同伴在传递纠正信息的同时也可能传递对抗性影响，哪一方占主导？作者通过跟踪诚实代理（defender）的修订行为来测量：他们改变答案的频率，以及改变
The Proxy Knows Too Much: Sealing LLM API Routers with Attested TEEs
本文研究了大型语言模型（LLM）API路由器存在的安全风险。当AI代理通过API路由器访问LLM时，路由器会终止客户端的传输层安全会话并建立新的上游会话，导致路由器能够获取完整的明文交互内容。这使得路由器成为应用层中间人攻击者：它可以改写代
SkillVetBench: LLM-as-Judge for Multi-Dimensional Security Risk Evaluation in Open-Source LLM Agent Skills
随着开源LLM（大语言模型）智能体生态系统的迅速发展，社区贡献的“技能”（即模块化工具定义，用于扩展智能体能力）的安全性普遍缺乏审查。现有安全扫描器仅在代码层运行，对于指令层和多智能体层面的风险——例如通过自然语言指令劫持智能体、通过编码侧
Odds Law: The Decomposition Algebra On How Intelligence Organizes Itself to Solve Difficult Problems Reliably
本文提出一个结构化问题：给定不可靠的基本问题求解器，如何组织它们才能可靠地解决困难问题，以及其中的极限是什么。作者发展了一种“分解代数”：基本求解器被视为随机范畴中的态射，四种组合子（顺序组合、并行集成、验证门控和递归约简）生成复合求解器的
Beyond Runtime Enforcement: Shield Synthesis as Defensibility Analysis for Adversarial Networks
本文重新审视了强化学习中的盾牌合成技术，指出其传统上作为运行时安全机制的定位存在偏差。作者提出将相同的自动机理论工具——规范编译、乘积博弈构建、吸引子计算和获胜区域提取——重新解读为设计时的分析仪器，其输出是对系统安全属性的结构性洞察，而非
Smarter Saboteurs, Better Fixers: Scaling & Security in Linear Multi-Agent Workflows
本文研究基于大语言模型的多智能体系统（MAS）在面临敌对攻击时的鲁棒性问题，特别关注模型规模与系统级安全之间的关系。作者在HumanEval基准上，使用两个开源模型家族（不同参数量）进行实验，评估线性多智能体工作流的安全性。实验发现一种“服
SAIGuard: Communication-State Simulation for Proactive Defense of LLM Multi-Agent Systems
该论文针对基于大语言模型（LLM）的多智能体系统（MAS）面临的安全威胁，提出了一种主动防御框架 SAIGuard。在 MAS 中，智能体通过通信协作完成复杂任务，但攻击者可利用恶意消息在智能体间传播风险，导致系统级故障。现有防御方法多为被
Sovereign Assurance Boundary: Certificate-Bound Admission for Agentic Infrastructure
本文针对自主代理基础设施面临的关键控制平面授权问题，提出了一种名为主权保证边界（Sovereign Assurance Boundary, SAB）的证书绑定运行时准入层。随着AI代理和自主系统能够产生非确定性推理并提议对生产资源进行高风险
Game-Theoretic Multi-Agent Control for Robust Contextual Reasoning in LLMs
本文针对大型语言模型在多轮交互中长期上下文推理的安全性问题展开研究。在多轮对话中，LLM需要维护一个动态演变的上下文，而不仅仅是生成孤立回复，这使得模型容易受到提示注入和上下文投毒攻击——攻击者通过注入局部的看似合理的对抗性片段，逐步扭曲模
Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops
该论文研究了终端智能体基准测试（如KernelBench、Terminal Bench）中奖励黑客攻击的问题。作者审计了5个终端智能体基准测试的1968个任务，发现其中323个（16%）可以被前沿模型仅通过任务描述就成功攻破，导致排行榜排名
RAILS: Verification-Native Clearing For Agentic Commerce
本文提出了一种面向自主智能体（agent）商业交易的结算完整性协议 RAILS（Real-Time Agent Integrity & Ledger Settlement）。当前，智能体可以自主谈判、购买、部署代码和转账，但缺乏一个中立机制
From Privacy to Workflow Integrity: Communication-Graph Metadata in Autonomous Agent Interoperability
本文聚焦于智能体互操作协议（如A2A和MCP）中通信图元数据带来的新威胁。当前协议依赖HTTP(S)传输，虽通过端到端加密保护消息内容，但通信图（哪个智能体何时联系谁、频率如何）完全暴露。在智能体系统中，通信图比传统隐私框架所指出的更危险：