研究人员开发了一种针对使用内存、工具使用和运行时控制的基于LLM的Agent的持久化内存投毒攻击(PMPA)。该攻击将恶意指令嵌入到良性外部源中,诱骗Agent将其存储在持久化内存中。一旦存储,这些被投毒的指令可以在后续会话中被检索,导致意外的恶意行为和隐私泄露。在OpenClaw和Claude Code上的评估表明,在各种配置下注入和执行这些恶意指令的成功率很高,而防御措施在对抗已投毒的内存方面效果有限。 AI
影响 突出了LLM Agent架构中关键的安全漏洞,需要强大的防御机制。
排序理由 详细介绍LLM Agent新攻击向量的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →