CIBER：代码解释器 Agent 安全评估综合基准
CIBER: A Comprehensive Benchmark for Security Evaluation of Code Interpreter Agents
AI 导读
研究者提出 CIBER，一个用于评估代码解释器 Agent 安全性的自动化基准，结合动态攻击生成、隔离沙箱与状态感知评测。该基准覆盖直接与间接提示注入、记忆投毒和基于提示的后门四类对抗攻击，并在 OpenInterpreter 与 OpenCodeInterpreter 两个 Agent 上评测六款基础模型。结果显示，自然语言伪装的攻击成功率比显式代码片段高 14.1%，且 Agent 对显式威胁防御较强、对隐式语义风险防御失败，作者称之为安全极化。