原始来源日期:2026年10月6日。本文依据最近72小时内发布的一手资料编译。

原文编译

论文研究编码Agent外层执行器而非只测底座模型。执行器负责工具调用、权限确认、网络与文件隔离;作者先建立十类机制分类,再对开源和闭源产品的400个“执行器—机制”单元进行独立评定。

HarnessSecurity-Bench包含23个任务和五类攻击面,同时保留正常任务要求。评测覆盖Claude Code、Codex CLI、Gemini CLI、gptme、Qwen Code与GitHub Copilot的九类机制,并使用独立确定性判定器分别测量任务效用和攻击效果。

在受控GLM-5.2基线上,作者进行2500次试验、记录81155次工具调用和超过22亿Token。自动批准提高效用,却使攻击成功率从29.2%升至95.6%;这一巨大差异属于论文组合和任务集,不能直接当成任一产品日常风险率。

网络隔离与只读模式降低攻击效果,但效用损失较大;命令白名单和黑名单在实验中以较小损失降低攻击,其中黑名单甚至出现效用提升。案例同时显示,阻断共享能力会误伤正常操作,而允许的替代工具可能绕过原路径限制。

量仔观察

本站判断,Agent安全设置应像性能参数一样进入发布验收:报告正常完成率、攻击成功率、工具次数和成本,不能只写“启用沙箱”。自动批准尤其应按命令类别和目标资源细分。

命令名单不是完整能力模型。同一副作用可能通过shell、脚本解释器、包管理器或应用API实现;测试需要围绕“是否完成未授权写入/发送/删除”设计,而不是只检查某条命令字符串。