加密技能可被解码后成为针对 LLM 智能体的新型安全攻击

Encrypted Skills Can Become New Security Exploits If AI Agents Know How to Decipher

AI 导读

研究者提出 Ciphered Skill Injection（CSI），将恶意指令编码后嵌入第三方技能文件，让 LLM 智能体自行解码并执行。在八个模型、139 组注入任务上，Caesar 及分层变体的攻击成功率最高分别达 47.5% 和 40.3%，且成功解码并不必然导致攻击成功，分层效果因模型而异。测试的技能扫描器几乎无法识别此类注入技能。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：第三方技能可能使 LLM 智能体暴露于通过编码隐藏的恶意指令。我们提出 Ciphered Skill Injection（CSI），将此类指令嵌入技能文件中，供智能体解码并遵循。我们在八个模型和 139 个注入-任务对上评估了 Caesar 及分层变体，将指令恢复与攻击成功区分开来。在缩短技能的主要设置中，这些变体分别实现了高达 47.5% 和 40.3% 的攻击成功率。成功解码并不保证攻击成功，且分层效果因模型而异。所测试的技能扫描器很少标记被注入的技能。这些发现凸显了将解码后的不可信内容提升为可执行指令的风险。

学科：	密码学与安全（cs.CR）；人工智能（cs.AI）；计算与语言（cs.CL）
引用为：	arXiv:2610.18262 [cs.CR]
	（或 arXiv:2610.18262v1 [cs.CR] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.18262 arXiv 颁发的 DOI 通过 DataCite（待注册）

提交历史

来自：Yan-Lun Chen [查看电子邮件]
[v1] 2026年10月13日星期二 12:25:46 UTC（157 KB）

来源：arXiv cs.AI · arxiv.org