Agent 技能安全：威胁模型、攻击、防御与评估
Agent Skill Security: Threat Models, Attacks, Defenses, and Evaluation
AI 导读
论文提出 SkillSec-Eval，一个面向可复用 Agent 技能生命周期的安全评估框架，把威胁按仓库准入、语义检索、规划器选择、运行时执行与技能演化五个阶段分类。作者用 327 个真实技能构建仓库、440 条查询做评测：混合准入防御把恶意准入率从规则法的 52.9% 降到 7.9%，假阳性率 20.0%；检索验证层把关键词堆砌与语义伪装的攻击成功率压到 10% 以下，但触发投毒与 Sybil 攻击仍有 17.50% 和 26.59%。规划器上虚假推荐基线攻击成功率最高（45.64%），提示注入最低（4.69%）；运行时监控拦截 87.0% 的未授权工具调用，但污点追踪准确率仅 66.67%，执行攻击成功率 23.0%。演化阶段防御的恶意检测率 92.5%，假阴性率 7.5%，假阳性率 37.0%。
推荐理由
论文把可复用 Agent 技能的安全拆成仓库准入、检索、规划、执行与演化五个阶段，并给出各阶段攻击与防御的实测数据。