原始来源日期:2026年9月30日。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

Sapien关注多步Agent中“现在能做什么”取决于此前已经做过什么和看到什么。传统工具白名单只限制单次调用,无法表达先验证身份后付款、读到敏感内容后禁止外发或某动作只允许一次等轨迹约束。

它使用扩展正则描述允许的工具调用序列,并加入状态谓词、延迟策略生成与有作用域的语义检查。策略引擎位于Agent与工具之间,检查每次调用是否仍处于允许路径,从而在模型被提示注入或完全劫持时维持外部授权边界。

作者报告,在AgentDojo上策略排除了93%—95%的攻击,在Toolathlon上排除62%—85%,长任务上约为简单工具白名单阻断量的两倍;同时任务效用与不受约束Agent只差几个百分点。数字取决于基准、策略合成与攻击集,不能直接外推到任意企业Agent。

安全前提转移到了策略是否正确、状态是否完整以及中介是否不可绕过。若工具存在旁路、语义检查被不可信文本操纵、状态更新失败或新工具未进入策略,系统仍可能放行危险轨迹。状态策略需要版本、审计和负向测试。

量仔观察

本站认为,状态策略比单次工具权限更符合真实业务,但策略语言越强,审查成本也越高。应从高价值不可逆动作开始,用少量可解释状态和显式提交点,而不是一次性描述所有业务语义。

测试必须包含重复调用、乱序、超时、工具别名和间接调用,确认所有执行路径都经过中介。论文的攻击阻断率是研究结果,不应直接写进产品SLA。