arXiv cs.MA· Eric Yocam, Varghese Vaidyan, Paris Kalathas, Patrick Tague, Bruce DeBruhl, Yong Wang·· 11 小时前AI 评分46
面向 MCP 的解码时溯源绑定：防御 Agentic AI 的跨模态信任洗白攻击
Agentic AI Defense: Decode-Time Provenance Binding for MCP
AI 导读
针对 MCP 智能体系统遭工具输出间接提示注入的问题，研究提出“解码时溯源绑定”机制，将 HMAC 认证的信任标签与 MCP 维护的溯源账本、上下文污点追踪结合，把解码内容标记为不可信并阻断受其影响的关键工具调用。
正文 · AI 翻译
摘要：使用模型上下文协议（MCP）的智能体式 AI 系统容易通过不可信的工具输出遭受间接提示注入攻击。我们展示了跨模态信任洗白，即利用最低有效位（LSB）、离散余弦变换（DCT）或元数据隐写术将指令隐藏在电子邮件签名图像中，这些指令可绕过文本扫描器，并在被工具解码后进入多智能体工作流。为应对这一威胁，我们提出解码时来源绑定，它将 HMAC 认证的信任标签与 MCP 维护的来源账本及上下文污点跟踪相结合。该机制将解码内容标记为不可信，并阻止受该内容影响的关键工具调用，即使被攻陷的智能体替换了有效的可信标签也是如此。我们使用包含三种隐写载体和 24 个自适应载荷的真实 MCP 测试平台对该方法进行了评估。未设防的流水线攻击成功率为 100%，而关键词和正则表达式防御各允许 62.5% 的攻击通过。我们的机制阻止了所有攻击（成功率为 0%），包括跨中介智能体边界的对抗性标签替换。四组件消融实验验证了解码标记、密码学认证、谱系跟踪和汇点强制执行的作用。经审计的可信提升机制将合法任务完成率从 67% 提高到 100%，且不损害防护能力。该方法在完全中介的 MCP 执行环境中提供了与载体无关的遏制能力。代码和数据已公开。
| 评论： | 12 页，5 幅图，13 张表，2 个算法。代码和数据可在 此 https URL 获取 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；多智能体系统（cs.MA） |
| ACM 分类： | D.4.6；K.6.5；I.2.11 |
| 引用为： | arXiv:2610.31974 [cs.CR] |
| （或 arXiv:2610.31974v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31974 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Eric Yocam [查看电子邮件]
[v1]
2026 年 10 月 22 日星期四 22:27:13 UTC（528 KB）
来源：arXiv cs.MA · arxiv.org