arXiv cs.AI· Hao Li, Tongyan Hu, Weidi Luo, Shanghao Shi, Xiaogeng Liu, Aiden Suh, Yulong Cao, Ning Zhang, William Yeoh, Yevgeniy Vorobeychik, Chaowei Xiao·· 11 小时前AI 评分52
AutoRedClaw：面向 Claw 式智能体的自动化红队框架
AutoRedClaw: Automated Red-Teaming for Claw-Style Agents
AI 导读
论文提出 AutoRedClaw，一个面向 OpenClaw 等 claw 式持久化智能体的自动化红队框架，可端到端生成攻击及执行所需环境，有效攻击率超过 30%，每个成功样本成本低于 $0.10。
正文 · AI 翻译
作者：Hao Li、Tongyan Hu、Weidi Luo、Shanghao Shi、Xiaogeng Liu、Aiden Suh、Yulong Cao、Ning Zhang、William Yeoh、Yevgeniy Vorobeychik、Chaowei Xiao
摘要：智能体系统正从任务范围内的工具使用型智能体，转向 OpenClaw 这类持久化、个性化的助手。这类 claw 风格智能体维护配置文件（例如 此 http URL）、长期记忆和可复用技能。一旦被投毒，这种持久化状态会被反复重新加载到智能体的上下文中，从而跨任务、跨会话形成持久性威胁。现有安全评估系统难以评估这些复杂的 claw 风格系统，因为它们严重依赖人工构建的测试用例和环境，这限制了其规模和覆盖范围；此外，随着智能体不断演进，这些人工设计的用例很快会过时，其评估设置也与 claw 风格智能体在实践中的部署方式存在差距。为解决这一问题，我们提出了 AutoRedClaw，一个自动化红队测试框架，可生成端到端攻击以及执行这些攻击所需的环境。AutoRedClaw 将严格的质量检查协议与基于执行的验证相结合，以确保生成样本的正确性、真实性和有效性，并采用任务驱动的环境构建来保持低成本。为实现广泛覆盖，它按风险类别、攻击策略、攻击阶段和攻击面来组织生成，并使用经验引导的探索将生成引导至探索不足的区域。AutoRedClaw 以每个成功样本低于 0.10 美元的成本实现了超过 30% 的有效攻击率。基于其输出，我们构建了 RedClaw-Bench，一个包含 330 个用例的基准，其攻击成功率（ASR）显著高于 AgentDojo、AgentDyn 和 DTap。在七种 harness 和四个前沿模型上，大多数智能体系统的 ASR 超过 50%，表明我们的红队测试流水线即使对最先进的智能体系统也能提供强有力的评估信号。我们的代码和基准发布于 此 http URL。
| Comments: | 32 页，8 幅图，5 张表 |
| Subjects: | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| Cite as: | arXiv:2610.27244 [cs.CR] |
| （或 arXiv:2610.27244v1 [cs.CR] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.27244 由 DataCite 颁发的 arXiv DOI（待注册） |
Submission history
来自：Hao Li [查看邮箱]
[v1]
2026 年 10 月 19 日星期一 20:15:39 UTC（1,077 KB）
来源：arXiv cs.AI · arxiv.org