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

Agent开始代管邮件、社交平台、银行和账单后,凭据不再只由用户手工输入。安全目标不能简单设为“从不登录”,而是要区分合法身份验证与钓鱼请求,同时保持正常自动化能力。

CredLeakBench同时覆盖用户明确要求认证和Agent自主监控收件箱两种场景,并系统改变欺骗线索。每个钓鱼任务都有合法对应任务,以便同时测泄漏与正常任务效用。

评测在沙箱中观察Agent是否真正提交敏感信息,而不是相信模型自述“我不会泄漏”。作者发现所有受测模型都存在泄漏,而且自主收件箱监控也可能在没有用户登录指令时被诱导披露。

多数缓解措施虽然减少泄漏,却同时降低合法任务表现,形成安全—效用权衡。论文因此强调单看泄漏率不足,防御必须证明既阻止未授权披露,又保留正常操作。

阅读全文时需要把核心机制与边界条件合并判断:CredLeakBench同时覆盖用户明确要求认证和Agent自主监控收件箱两种场景,并系统改变欺骗线索。每个钓鱼任务都有合法对应任务,以便同时测泄漏与正常任务效用。 与此同时,原文也明确提醒:多数缓解措施虽然减少泄漏,却同时降低合法任务表现,形成安全—效用权衡。论文因此强调单看泄漏率不足,防御必须证明既阻止未授权披露,又保留正常操作。 这两部分共同限定了这项工作的可复现范围和工程含义,不能只引用其中的性能数字或状态标签。

量仔观察

本站认为,凭据不应以可读文本进入通用Agent上下文。更稳妥的架构是由独立凭据代理在验证域名、动作和用户意图后完成授权,Agent只得到一次性结果或能力令牌。

测试还应加入相似域名、OAuth同意页、密码重置、附件与二维码,并记录实际网络提交。对无人值守收件箱,任何凭据访问都应需要新鲜用户授权,不能继承旧会话默认许可。