arXiv cs.CL· Zi Liang, Ronghua Li, Yanyun Wang, Qingqing Ye, Haibo Hu·· 11 小时前AI 评分58
Mobius Injection：单次提示词注入可让 AI 智能体持续耗尽资源
Mobius Injection: From One-Shot Prompt Injection to Sustained Resource Exhaustion in AI Agent Infrastructure
AI 导读
论文提出 Mobius Injection 攻击，利用 Semantic Closure 结构把已知的间接提示词注入与持久化智能体组件组合，单次注入即可诱导智能体组件持续递归执行，将智能体变成僵尸节点发起 AbO-DDoS 攻击。
正文 · AI 翻译
摘要：大型语言模型（LLM）智能体已成为关键的中间层，协调人类用户与各类数字服务及 LLM 基础设施之间的复杂交互。尽管已有研究广泛考察了 LLM 与智能体各自的安全性，但智能体在用户—智能体—服务链条中充当破坏性“枢纽”的系统性风险仍被普遍忽视。在本工作中，我们提出了一种新的威胁范式——Mobius Injection，这是一种复杂的攻击，将自主智能体武器化为僵尸节点，以发起我们定义为基于智能体且面向智能体的 DDoS（AbO-DDoS）攻击。Mobius Injection 通过一种名为 Semantic Closure 的独特结构机制，将已知的间接提示注入与持久化智能体组件组合起来，借助单次注入事件诱导智能体组件持续递归执行。我们证明，该攻击对攻击者而言成本低廉，能够规避针对低误报率校准的传统流量型 DDoS 监控器和输入过滤器，并且高度可配置，可对特定环境或模型提供商进行精准定向打击。为评估其现实影响，我们在三个代表性 claw 风格智能体和三个主流编程智能体上开展了大量实验，这些智能体集成了 12 个前沿的专有或开放权重 LLM。结果表明，Mobius Injection 在多种任务上均取得显著攻击成功率，单节点调用放大倍数最高达 51.0 倍。在协调多节点施压下，每个被感染节点仍会在共享的五 GPU 后端上消耗约 123k–127k 个 token；良性请求延迟上升约 23–24 倍，协调感染最终会耗尽共享容量，直至良性流量实际上被拒绝服务。
| 评论： | 相对于 NDSS 2027 定稿版本：实验运行相同；在我们发现先前 T-ASR 检查存在漏检（成功触发被遗漏）后，对 T-ASR 和 R-ASR 标注进行了细化；采用嵌套 P/T/R 标注；其余均未改变。源代码：此 https URL |
| 主题： | 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:2605.11442 [cs.CR] |
| （或本版本引用 arXiv:2605.11442v3 [cs.CR]） | |
| https://doi.org/10.48550/arXiv.2605.11442 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zi Liang [查看邮箱]
[v1]
2026年5月12日星期二 02:51:12 UTC（2,388 KB）
[v2]
2026年10月19日星期一 03:34:45 UTC（2,415 KB）
[v3]
2026年11月2日星期一 02:11:41 UTC（2,416 KB）
来源：arXiv cs.CL · arxiv.org