arXiv cs.AI· Zihao Zhu, Siwei Lyu, Adel Bibi, Baoyuan Wu·· 14 小时前AI 评分58
Skill Cascading Attacks：跨技能级联攻击威胁技能型智能体系统
Stealth Apart, Harm Together: Skill Cascading Attacks on Skill-Based Agent Systems
AI 导读
论文提出“技能级联攻击”（skill cascading attacks），将恶意目标拆分到多个技能中，每个技能单独看都无害，组合执行却产生危害，例如在处方审核流程中让严重的药物相互作用警告在到达医生前被静默消除。
正文 · AI 翻译
摘要：技能（skill）是一种模块化的封装，包含自然语言指令、可执行脚本和参考资源，智能体可在运行时加载它，以扩展其在特定任务上的能力。因此，基于技能的智能体系统能够灵活复用第三方能力，但这一技能生态的开放性也带来了新的攻击面。已有工作主要关注单个技能内部的漏洞，而较少关注技能之间交互所产生的风险。本文提出技能级联攻击（skill cascading attacks），这是一种威胁范式：恶意目标被分散到多个技能中，使得每一处修改单独看来都无害，但其组合执行却具有危害性。例如，在处方审核流程中，第一个技能削弱提取病史中近期停用药物的信号，第二个技能降低与之相关的任何药物相互作用的严重程度，第三个技能则在最终摘要中抑制由此产生的低优先级警报，从而使严重的药物相互作用警告在到达医生之前悄然消失。为系统研究这一安全盲区，我们开发了 SkillCascade，一个自动化的多智能体红队测试框架，并发布了 SkillCascade-Bench，一个包含 213 个经过验证的级联测试用例的基准，覆盖多种智能体系统和领域。在代表性智能体（如 OpenClaw、Claude Code、Codex）和 LLM 骨干模型上，级联交互能够可靠地诱发有害行为，同时规避现有的单技能扫描器和运行时监控器。我们的发现凸显了组件级完整性与系统级安全之间的差距，并呼吁采用基于跨技能交互而非孤立单个技能进行推理的防御措施。
| Comments: | 已被 NeurIPS 2026 接收 |
| Subjects: | 人工智能（cs.AI） |
| Cite as: | arXiv:2609.30383 [cs.AI] |
| （或 arXiv:2609.30383v2 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2609.30383 由 DataCite 提供的 arXiv 颁发 DOI |
Submission history
来自：Zihao Zhu [查看邮箱]
[v1]
2026 年 9 月 24 日星期四 18:00:18 UTC（1,373 KB）
[v2]
2026 年 10 月 26 日星期一 14:04:48 UTC（1,388 KB）
来源：arXiv cs.AI · arxiv.org