ResGate 将 agent 资源劫持攻击成功率从 84.1% 压到 23.6%
jiqizhixin · x · 2026-11-01
上海交通大学、南开大学等机构研究者研究「资源劫持」攻击：agent 可以做到不泄露凭据，却仍替未授权用户消耗受保护资源（如用配置好的 API 处理攻击者请求、用 B200 GPU 训练攻击者的模型）。
- 研究者发布 ResourceHijackBench：从 300 个父场景派生出 900 条提示词；不只判断 agent「说了什么」，而是在隔离环境中检查目标资源变更行为是否真的发生。
- 提出 ResGate 防御：将「请求解释」与「授权」分离——由模型抽取资源与操作元数据，再由确定性代码按固定策略校验可信请求者身份后才执行。
- 效果：在论文的 OpenClaw 评测上，平均攻击成功率从 84.1% 降到 23.6%，而授权任务成功率仅从 90.4% 微降到 89.3%。
关键洞察：普通工具调用可能服务于错误的受益者，因此授权不能依赖模型自身判断，需要确定性策略代码把关。
「安全」频道最新
- Nvidia 推 Open Agent Safety Platform,工程师详解智能体安全三层架构 — LuizaJarovsky · 2026-11-01
- Nvidia 开放代理安全平台工程师访谈:让代理可验证可监控 — LuizaJarovsky · 2026-11-01
- 作者反思：模型加密突破结果不公开，或因涉及破解加密研究 — rickasaurus · 2026-11-01
- Anthropic 安全法案立场被讽:「杀 50 人行,51 不行」 — jonerp · 2026-11-01
- Ed Newton-Rex 批 OpenAI robots.txt 退出机制：假同意且迟到六年 — TuhinChakr · 2026-11-01
- MCP 服务器该不该启动就联网？沙盒实践者主张默认零网络 — quiet_flare · 2026-11-01