SkillSonar 论文:运行时安全检查把 agent 攻击成功率从 48.2% 压到 10.4%

rohanpaul_ai · x · 2026-09-24

论文《Defense-as-Skill》指出：恶意 agent skill 安装时看起来无害，可能等到 agent 拿到文件、工具、凭据或外部服务访问权后才在真实任务中作恶，因此仅靠安装前扫描不够，需要运行时安全检查。
提出 SkillSonar：一个作为安全 skill 运行的守卫，在 agent 工作过程中审查敏感操作，决定放行、收窄、重新规划或先询问用户。
在 GLM-5 上，熟悉攻击类型的成功率从 48.2% 降至 10.4%，未见过的风险类别从 60.6% 降至 11.5%。
关键发现：仅仅安装该安全 skill 效果弱得多，必须显式要求 agent 在行动前先咨询它。
结论是三层防御：安装前扫描 skill、执行中检查其行为、底层仍保留权限与沙箱等硬防护。

「编程与Agent」频道最新