Blindfold：让审计硬币对 LLM 智能体保密

论文指出，为 LLM 智能体违规率提供上界的审计式认证还依赖一条保密性质，即动作提交前审计硬币（audit coin）不得影响智能体的视角，作者称之为提交前非干扰（PNI）。论文证明 PNI 对自适应智能体的无偏证书既必要又充分，最坏偏差为 (1-ε)D_A，泄露会跨步骤累积，跨回合共享的资源会打开大小可计算的信道，提高审计比例也无法恢复有效性。在作者搭建的监控器上，静默审计不改变输出，但新增延迟会被工具时间戳暴露且可被智能体放大；实验中一个真实 LLM 智能体遵从了提及可见审计通知的注入，经该信道普通证书在实测标签上失效，事后分析显示按预注册日程进行的一次实跑中也失效，而静默审计可恢复证书。每次被审计调用使用新硬币可关闭该定时信道，填充只能收窄它。