研究人员推出了一种新颖的通信层完整性原语MIRROR，旨在保护大型语言模型多智能体系统（LLM-MAS）免受中间人攻击（AiTM）。MIRROR通过多个逻辑路径复制消息，仅当严格多数路径报告相同的摘要时才接受消息。该方法在各种基准测试和MetaGPT部署中有效地将攻击成功率降至零，同时与其他防御机制（如LLM-as-a-Judge）相比成本极低。 AI
影响 通过缓解通信漏洞，增强了多智能体AI系统的安全性和可靠性。
排序理由 该集群包含一篇详细介绍LLM安全新技术的论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.02349v1 Announce Type: cross Abstract: Inter-agent communication is central to Large Language Model Multi-Agent Systems (LLM-MAS), but it introduces an underexplored vulnerability: Agent-in-the-Middle (AiTM) attacks that manipulate messages in transit without compromis…
Inter-agent communication is central to Large Language Model Multi-Agent Systems (LLM-MAS), but it introduces an underexplored vulnerability: Agent-in-the-Middle (AiTM) attacks that manipulate messages in transit without compromising the agents themselves. Prior work reports Atta…