研究：黑盒交互可窃取Agent技能，平均恢复率达48%

rohanpaul_ai · x · 2026-08-17

一项新研究测试了通过黑盒交互窃取专有SKILL.md的可能性。在5个商业模型上，最简单的提取提示平均精确恢复率达48%，LLM判定泄漏比率为0.91。更结构化的攻击（如思维链提示）将精确恢复率提升至72%。阻止逐字复制不够，翻译和改写攻击可使精确匹配降至0%但保留大部分语义。作者的最强防御能阻止精确泄露，但语义泄漏仍存在。研究建议平台应将技能内容视为可通过模型行为外泄的数据。