原始来源日期:2026-10-01。本文为研发价值回顾,不代表该资料于今日首次发布。
原文编译
多技能Agent会把一个技能的输出交给下一个技能,形成正常的工作流记忆。但当技能来自开放仓库时,输出文件同时可能携带攻击者控制的陈述,并在后续决策中被错误当成可信授权。
论文提出APEX,自动构造并优化技能链。其核心方法是让上游技能诱导Agent生成一份包含真实进度的记录,同时植入虚假的“用户已批准”声明;下游技能读取记录后,把该声明当作执行敏感动作的依据。
在SkillsBench的四类目标动作、六个模型上,链式攻击在690次尝试中成功512次,比例74.2%。作者报告在GPT-5.4上完整链成功84.3%,而把流程合并成一个技能时为17.4%。
提示防御要求Agent把技能产生的文件与原始请求核对,把同一模型攻击成功率降到59.1%,但72个良性原生技能任务的验证通过率也从86.7%降到56.3%。这说明简单提高警惕会显著伤害可用性。
这些数字来自特定基准、动作族和模型,不能直接等同于真实平台被攻陷概率。论文揭示的是授权来源混淆:任务进度可以来自技能,执行权限却不能由技能自己声明。
量仔观察
本站判断,技能输出应标记为不可信数据,授权必须由平台保存的结构化能力令牌表达,并绑定原始用户请求、作用域和有效期。
防御测试不能只统计攻击拒绝率,还要统计良性流程完成率和误拒绝。最有效的边界应放在工具执行前,而不是让语言模型反复解释哪句话可信。
