跳到正文
热点事件持续更新

研究揭示去中心化多智能体LLM系统攻击风险

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Matthew D. Laws 等作者发表论文,系统梳理了去中心化多智能体 LLM 系统中恶意智能体带来的威胁,并提出缓解技术。据论文,单个恶意智能体即可导致最高 100% 任务失败,token 消耗和运行时间分别膨胀至 7.7 倍和 3.2 倍,并泄露良性智能体最高 94% 的相关历史任务。 论文针对的是逐跳任务分解与委派过程中的攻击,作者称所提缓解方案可应对上述威胁,但报道未给出该方案实际效果的验证数据。

AI 根据报道生成 · 16 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.MA
    去中心化多智能体 LLM 系统的逐跳任务分解与委派攻击及防御

    针对去中心化多智能体 LLM 系统,研究系统化梳理了恶意智能体带来的威胁并提出缓解方案:单个恶意智能体可致最高 100% 任务失败,token 消耗与运行时间分别膨胀至 7.7 倍和 3.2 倍,并泄露良性智能体最高 94% 的相关历史任务。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。