MUZZLE：面向 Web Agent 间接提示注入攻击的自适应智能体红队测试框架

研究者提出 MUZZLE，一个用于评估 Web Agent 抵御间接提示注入攻击的自动化智能体红队框架。该框架利用 Agent 的执行轨迹自动识别高显著性的注入面，自适应生成针对机密性、完整性与可用性的上下文相关恶意指令，并依据失败执行的反馈迭代优化攻击。研究者在多种 Web 应用、用户任务和 Agent 配置上评估该框架，称其在 4 个 Web 应用上发现 44 个新攻击，覆盖 10 个对抗目标，涉及不同 LLM 与 Agent 脚手架，还识别出 3 个跨应用提示注入攻击和一种针对 Agent 定制的钓鱼场景。