No Attack Required: Semantic Fuzzing for Specification Violations in Agent Skills

LLM驱动的智能体在执行日常用户请求时，可能会无声地删除文档、泄露凭证或转移资金，这并非因为智能体受到攻击，而是因为所调用的技能违反了其自身声明的安全规则。论文将此类问题定义为“规范违反”（specification violation）：

历史摘要 · 未重新核验 · arXiv cs.CR