arXiv cs.AI· Tobias Kaiser, Aritra Dhar·· 9 天前AI 评分48
Pretext：如何绕过 AI 智能体的恶意技能检测框架
Pretext: Defeating Malicious Skill Detection Frameworks for AI Agents
AI 导读
针对 NVIDIA SkillSpector 等技能安装前检测方案，白盒 LLM 攻击器 Pretext 通过将载荷从代码移入自然语言、把恶意指令包装为技能合法用途并拆分到多个文件，迭代生成可绕过检测的恶意技能。在三个开源模型上，Pretext 对冻结检测器攻击成功率最高达 97%，对协同自适应检测器达 77%。该工作已被 AIWild@NeurIPS 2026 接收。
正文 · AI 翻译
摘要：技能通过向上下文注入指令和信息来扩展智能体的能力，已被 OpenClaw 和 Claude Code 等智能体广泛使用。先前的工作表明，第三方市场托管了恶意技能，使攻击者能够直接影响受害者的智能体。新兴的防御措施在安装前扫描技能，将确定性静态检查与基于 LLM 的语义评判器配对，如 NVIDIA 的 SkillSpector。我们表明，此类防御在了解检测器的攻击者面前会失效。我们的白盒 LLM 攻击者 Pretext 迭代地构造技能，既能规避检测，又能投递载荷并执行良性任务：将载荷从代码转移到自然语言中使静态分析失效，同时将其包装为技能的合法用途，并将指令拆分到多个文件中，使 LLM 阶段保持在其阻断阈值以下。在三个开源模型上，Pretext 针对冻结检测器和协同自适应检测器分别达到最高 97\% 和 77\% 的成功率，揭示了当前技能扫描器中的重大缺陷。
| 评论： | 已被 AIWild@NeurIPS 2026 接收 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.39607 [cs.CR] |
| （或 arXiv:2609.39607v2 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.39607 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Aritra Dhar [查看电子邮件]
[v1]
2026年9月30日星期三 12:26:33 UTC（179 KB）
[v2]
2026年10月8日星期四 08:23:49 UTC（179 KB）
来源：arXiv cs.AI · arxiv.org