大型语言模型（LLM）越来越依赖知识编辑来支持知识密集型推理，但这种灵活性也引入了关键的安全风险：攻击者可以注入恶意或误导性知识，破坏下游推理并导致有害结果。现有的知识编辑基准主要关注编辑效果，缺乏一个统一的框架来系统评估编辑知识对推理行为的安全性影响。为了解决这一缺口，本文提出了EditRisk-Bench，一个用于系统评估恶意知识编辑下知识密集型推理安全风险的基准。与先前强调编辑成功、泛化和局部性的基准不同，EditRisk-Bench专注于注入的知识如何影响下游推理行为和可靠性。它集成了多种恶意场景，包括错误信息、偏见和安全违规，以及多级知识密集型推理任务和代表性编辑策略，在一个统一的评估框架内衡量攻击效果、推理正确性和副作用。在开源和闭源LLM上的大量实验表明，恶意知识编辑可以可靠地诱导不正确或不安全的推理，同时大体上保留通用能力，使得此类风险难以检测。研究还识别了影响这些风险的关键因素，包括编辑规模、知识特征和推理复杂性。EditRisk-Bench为理解和缓解LLM知识编辑中的安全风险提供了一个可扩展的测试平台。