arXiv cs.AI· Haonan Li, Tianjun Sun, Yongqing Wang, Qisheng Zhang·· 11 小时前AI 评分52
MCPHunt：多服务器 MCP 智能体跨边界数据传播评测框架
MCPHunt: An Evaluation Framework for Cross-Boundary Data Propagation in Multi-Server MCP Agents
AI 导读
作者提出 MCPHunt，一个隔离多服务器 MCP 信任边界下非对抗性、精确匹配凭据传播的受控基准，用 canary 污点追踪把传播检测简化为字符串匹配。在 5 个模型、147 个任务、9 类机制共 3615 条主基准轨迹上，违规传播率为 11.5%-41.3%，且具有路径特异性（GPT-5.4 各机制从 0.0% 到 74.4%），集中在浏览器中介的数据流。
正文 · AI 翻译
摘要：多服务器 MCP 智能体会产生信息流控制（IFC）问题：忠实的工具组合可以将各自无害的读/写权限转化为跨边界的凭据传播——这是工作流拓扑的结构性副作用，而不一定是恶意的模型行为。我们提出 MCPHunt，据我们所知，这是首个受控基准，用于隔离跨多服务器 MCP 信任边界的非对抗性、精确匹配的凭据传播，并有三项方法学贡献：(1) 基于金丝雀的污点追踪，将传播检测简化为客观的字符串匹配；(2) 环境控制的覆盖设计，包含风险、良性和困难负例条件，用于验证流水线的健全性，并加入匹配的替代值对照（相同任务，不同的合成凭据）；(3) 完成需要秘密（CRS）分层，将任务强制要求的传播（忠实执行逐字传输指令）与违反策略的传播（尽管可以选择隐去，仍包含凭据）区分开来。在来自 5 个模型、涵盖 147 个任务和 9 个机制家族的 3,615 条主基准轨迹中，违反策略的传播率在所有模型中持续存在，为 11.5-41.3%。这种传播具有路径特异性（GPT-5.4 在不同机制下的传播率为 0.0% 至 74.4%），并集中在浏览器介导的数据流中；在匹配的替代值对照下，传播仍然存在（25.9% 对 20.4%；匹配对置信区间跨越零，因此该比较既不能区分也不能等同这两个比率）。一项跨 3 个模型的提示缓解研究表明，违反策略的传播率可低至 0.3%（相对基线降低 98%），同时保持 80.5% 的效用，但有效性因模型而异，这促使人们采用超越提示的数据流感知防御。代码、轨迹和标注流水线在 MIT 和 CC BY 4.0 下公开可用。
| 评论： | 已被 NeurIPS 2026 接收（评估与数据集赛道，海报）。34 页，2 幅图，22 张表。v2：最终版；更正了 v1 中关于模拟污点防护和标注者间一致性的声明。代码：此 https URL 数据：此 https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2604.27819 [cs.AI] |
| （或 arXiv:2604.27819v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.27819 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Haonan Li [查看电子邮件]
[v1]
2026 年 4 月 30 日星期四 13:01:03 UTC（168 KB）
[v2]
2026 年 10 月 23 日星期五 08:23:06 UTC（181 KB）
来源：arXiv cs.AI · arxiv.org