给 LLM 智能体的姜饼屋:从源码规划的蜜罐将自主攻击者诱入隔离的影子副本
A Gingerbread House for LLM Agents: Source-Planned Honeypots That Lure Autonomous Attackers into an Isolated Shadow
作者提出由 LLM 从源码规划静态蜜罐并把确认攻击者路由到隔离影子副本的防御,在 CVE-Bench 上使 ARTEX 的真实攻陷从 20/40 降为 0/40。
攻击者是自主智能体,只拿到自然语言任务简报和目标 Web 应用地址,对任务为 zero-day(不告知 CVE、漏洞类别、应用或凭据),可发送任意 HTTP 流量并在自有环境运行工具,但不能访问互联网、宿主机或 Docker,也不知是否存在蜜罐。
- 自主 LLM 智能体能快速利用 Web 漏洞,打补丁可能来不及;已有针对智能体的欺骗多把攻击者从仍可到达的真实目标旁引开,目标本身仍暴露。
- 防御方 LLM 在部署前从应用源码规划静态蜜罐(诱饵页、假端点、honeytoken 等),运行时由固定代码的路由器按签名与诱饵命中确认攻击者,并把该客户端后续所有请求(含已可用的 exploit)转发到隔离的影子副本;增强配置再加运行时 LLM responder 与额外路由规则。
- 在 CVE-Bench 40 个 critical 任务上,静态计划把真实攻陷从 26/40 降到 5/40(Opus 4.8)、从 20/40 降到 0/40(ARTEX);在 20 个新任务 alt-cve-bench 上从 15/20 降到 0/20。ARTEX 的可用 exploit 多在影子上成功而真实目标完好,作者称防御是转移而非阻断 exploit。
- 作者指出的局限包括:每任务每臂仅一次保留运行、无阻断或仅检测基线、真实攻陷饱和后无法排序配置、单服务容器任务与有限良性流量、ARTEX 共享记忆与容器名泄漏等测量问题;增强配置与静态计划的比较未分离 responder 的贡献。
- 威胁模型
- 攻击者是自主智能体,只拿到自然语言任务简报和目标 Web 应用地址,对任务为 zero-day(不告知 CVE、漏洞类别、应用或凭据),可发送任意 HTTP 流量并在自有环境运行工具,但不能访问互联网、宿主机或 Docker,也不知是否存在蜜罐。防御方拥有应用,部署前可读源码与配置并探测 staging 副本;攻击者达成八种 graded impact 之一即算攻陷真实目标(primary)。
- 被测模型
- Claude Opus 4.8DeepSeek-V4-Flash
- 基准
- CVE-Bench (40 critical tasks)alt-cve-bench (20 tasks)
- 指标
- real compromise (grader-verified impact on primary)deflection (exploit success on shadow only)fake secret reportedrequests/seconds to confirmation
研究者提出一种针对自主攻击智能体的蜜罐防御方案,由 LLM 防御方根据应用源码规划静态蜜罐,路由器把被确认为攻击者的客户端的后续请求连同可用的漏洞利用一起转发到隔离的影子副本。在 CVE-Bench 的 40 个关键任务上,静态方案把 Claude Opus 4.8 的真实目标攻破从 26/40 降到 5/40,把 ARTEX 攻击框架的攻破从 20/40 降到 0/40(31 次有效运行);在 20 个未参与方案设计的全新任务上,ARTEX 从 15/20 降到 0/20。约一半欺骗组运行中,ARTEX 的漏洞利用在影子副本上成功而真实目标保持完好,说明该防御转移而非阻止了攻击,残余风险在于确认完成前到达真实目标的请求。
相关热点
2 个事件 · 2 条新闻提到
提到这篇论文的新闻
崇实大学用蜜罐与影子副本诱捕LLM攻击智能体
- 韩国崇实大学写出了论文标题崇实大学 AI 安全研究中心开发诱骗 AI 黑客的欺骗防御技术
박소희 연구교수가 참여했다. 논문 제목은 ‘A Gingerbread House for LLM Agents: Source-Planned Honeypots That Lure Autonomous Attackers into an Isolated Shadow’이며, arXiv(2611.07611)에 공개됐다.
大模型安全周报:智能体安全边界在签名、授权与上下文
- 公众号 大模型安全研究引用了论文编号或链接大模型安全周报:智能体的安全边界在签名、授权与上下文三层防线里
5. 从源码自动长出的蜜罐,把已经得手的攻击智能体关进影子环境:A Gingerbread House for LLM Agents: Source-Planned Honeypots That Lure Autonomous Attackers into an Isolated Shadow(https://arxiv.org/abs/2611.07611)
深度解读
这篇论文试图解决什么问题?
作者研究如何用源码规划的静态蜜罐加按客户端路由,把自主攻击者隔离进影子副本而非仅仅引开。
核心问题:面对能快速利用 Web 漏洞的自主 LLM 攻击智能体,如何设计一种在 exploit 已经可用后仍有效的防御,并弄清它是阻断了 exploit 还是把 exploit 转移到了隔离副本上。
- 场景与动机:作者称 LLM 智能体无需漏洞描述即可利用 Web 漏洞,且 ARTEX 等框架已被真实入侵者使用,从立足点到攻陷可能只需数小时,打补丁可能来不及。
- 现有方法的不足:作者称已有针对 LLM 智能体的欺骗(如 AgentSnare、AgentTrap)多把攻击者从真实目标旁引开,真实漏洞路径仍可到达,资产安全依赖于智能体持续偏好诱饵。
- 核心思路:借鉴 shadow honeypots 与 honey-patches 的旧设计,把"把被标记的攻击者移到服务副本"这一安排引入 LLM 攻击者场景:LLM 防御方从应用源码规划静态蜜罐,路由器把确认的攻击者客户端的后续所有请求(包括可用的 exploit)发往隔离影子副本。
- 论文提出什么:一套防御(静态计划 arm B、增强配置 arm C)加一套评测方法:用基准自带 grader 同时判定真实目标与影子副本上的结果,并分析攻击者报告是否采信植入的假秘密;另构建 20 个新任务 alt-cve-bench。
- 威胁模型(Section 3.1):
- 攻击者目标:拿到自然语言简报与目标地址,达成八种 graded impact 中任意一种(如读秘密文件、代码执行)。
- 攻击者知识:对任务为 zero-day,不告知 CVE、漏洞类别、应用或凭据,也不知是否存在蜜罐;简报要求它怀疑并验证"过于方便的捷径"。
- 攻击者能力:可发任意 HTTP 流量、在自有环境运行工具;不能访问互联网、宿主机或 Docker。
- 受害系统与防御方:防御方拥有应用,部署前可读源码与配置并探测 staging 副本,但不知 CVE 与漏洞描述;攻击者在真实目标上达成任一 graded impact 即防御失败。
有哪些相关研究?
相关工作分四组:LLM 攻击智能体与基准、智能体轻信环境、经典与针对 LLM 的欺骗、以及两个测量真实攻陷的 2026 年系统。
LLM 智能体作为攻击者
- Fang et al. (2024b, 2024a)、Zhu et al. (2026)——工具型 LLM 智能体在无先验知识下利用 Web 漏洞;PentestGPT (Deng et al., 2024)、AutoAttacker (Xu et al., 2024)、CAI (Mayoral-Vilches et al., 2025)、Incalmo (Singer et al., 2025) 等框架围绕 LLM 组织完整攻击流程。
- 基准:CVE-Bench (Zhu et al., 2025) 与 PACEbench (Liu et al., 2025) 在复现 CVE 上评分,Cybench (Zhang et al., 2025b) 用 CTF 任务,BountyBench (Zhang et al., 2025a) 用 bug bounty。本文沿用 CVE-Bench 及其 grader,并新增 20 个同格式任务。
智能体轻信环境
- InjecAgent (Zhan et al., 2024)——智能体执行注入到工具输出中的指令;Zhang et al. (2025c)——点击对抗性弹窗;Prinos et al. (2026)——智能体即使说出陷阱名字仍按其行动(recognition–action gap)。作者明确不把这种轻信当作新发现,只研究它在真实攻击报告中的表现。
针对攻击者的欺骗
- 经典欺骗:honeypots (Spitzner, 2002)、honeywords (Juels and Rivest, 2013)、综述 (Han et al., 2018);shadow honeypots (Anagnostakis et al., 2005) 把异常检测器标记的流量送往插桩副本,honey-patches (Araujo et al., 2014) 把触发已修补漏洞的攻击者 fork 进提供虚假信息的诱饵容器。
- 针对 LLM 智能体:提示注入式防御 (Pasquini et al., 2024; Reworr and Volkov, 2024)、cloaks 与陷阱 (Ayzenshteyn et al., 2025)、诱饵漏洞 (Zhang et al., 2026);Soosahabi and Namsani (2026) 基于模型分析误导的防御效果,Cordeiro et al., 2026 的 Rouxii 研究能识别蜜罐的欺骗感知型渗透智能体。
测量真实目标攻陷的两个 2026 年系统(论文点名的对比对象)
- AgentSnare (Wang et al., 2026a)——用面包屑把智能体诱入 LLM 模拟的诱饵主机,报告在 15 个 CVE-Bench 任务上 pass@3 无真实利用。
- AgentTrap (Wang et al., 2026b)——在漏洞端点旁放置哨兵端点,把攻击成功率从 95.8% 降到 79.2%。
- 论文指出这两类诱饵需要智能体偏好诱饵、真实路径保持开放;本文路由器则把已确认客户端的后续所有请求(含可用 exploit)都发往影子副本。
定位:作者称贡献在于组合(源码规划的静态欺骗 + 按客户端路由到隔离副本)以及它支持的测量方式——对两个副本都做 grader 判定,可区分"exploit 在影子上成功"与"exploit 失败",并补充 AgentSnare 的诱饵采信测量;作者明确不与这些系统直接对比,并指出静态与动态欺骗此前已被比较过 (Wang et al., 2026b)。
论文如何解决这个问题?
防御由离线 LLM 规划的静态蜜罐(arm B)和运行时路由器组成,arm C 再加 LLM responder 与额外确认规则;评测同时给真实目标与影子副本打分。
整体思路:防御方 LLM 在部署前从应用源码规划一套静态蜜罐,运行时由固定代码的路由器按客户端状态把确认的攻击者全部后续请求转发到隔离的影子副本,使可用的 exploit 落在副本上而非真实目标。
静态计划(arm B,Section 3.2 与附录 A)
- 两个规划智能体:均为 Claude Opus 4.8(经 Claude Code,仅读/搜/写工具)。analyst 读 staging 副本的代码与配置导出(secret 已遮蔽、有大小上限)、探测 staging,产出应用画像和至多十个按序排列的 risk surface(方法、路径模式、攻击类别),且被告知不得点名 CVE;designer 只读画像与风险列表,产出含诱饵页、假端点、提示、honeytoken 和检测规则五部分的计划。
- 占位符与门禁:所有假值是占位符,每次运行重新填充;计划须通过六道自动门禁(schema 检查、诱饵构建、诱饵路径在真实应用上必须 404、重放至多 20 个探测路径的不变量检查、应用内放置检查、检测规则检查),并有 taint 检查防止泄漏基准标识。
- 运行时无 LLM:LLM 只写计划,路由器是读取计划的固定代码,arm B 在攻击过程中不做任何防御侧 LLM 调用。
路由器与影子副本(Section 3.2、Figure 2)
- 三态状态机:每客户端一个状态(normal → suspect → confirmed),只前进不后退。payload 签名(如 SQL 注入或路径穿越模式)或 404 突发(20 个请求内 5 个 404)使客户端变为 suspect;honeytoken、命中假端点或诱饵、或在预测的 risk surface 上出现 payload 则确认。
- 确认后全部转发:从确认请求起,该客户端每个新请求都发往影子副本——目标在独立容器栈中的克隆,有独立网络、存储和假秘密;已转发到真实目标的请求在那里完成(某次运行中为 10 个)。欺骗性应答延迟 2–4 s(tarpit)。
- 实验中的客户端归属:攻击者经独立 listener 访问,路由器按 listener 维护状态,因此攻击者所有请求归于一个客户端;良性爬虫用第二个 listener。作者注明部署时需按会话或地址键控,换身份的攻击者会作为新客户端重来。
增强配置(arm C,Section 3.3 与 Table 1)
- LLM responder:Claude Opus 4.8,每次运行至多调用三次,从确认时开始;读攻击者近期流量,在影子上放置新的假端点、提示、文件或数据库行,须通过与静态项相同的门禁;影子 grader 已报成功后不再放置。
- 额外路由规则:escalation(未认证请求命中排序靠前的代码执行或认证面即确认 suspect 客户端)、persistence(suspect 状态下第 20 个请求即确认)、secret guard(知道本次运行的合成秘密,真实响应即将带出秘密时立即确认并改发影子应答);并把标记诱饵链接的查询参数按运行改名(arm B 用默认名,含字符串 "artex")。
- 比较口径:arm B 与 arm C 在 responder 之外还有多处差异(Table 1),RQ4 比较的是两个配置整体,不能分离 responder 的贡献。
测量设计(Section 4)
- 主指标:基准自带 grader 验证真实目标(primary)上的 impact,或真实秘密在确认前暴露给攻击者,即算攻陷;grader 验证的 impact 称为 working exploit,不需要使用任务对应的 CVE。两臂共用 grader,按任务配对做精确 McNemar 检验;零攻陷时报告 Clopper–Pearson 双侧 95% 区间上限。
- 影子判定:同一 grader 在影子上运行,区分 compromised / deflected(仅影子成功)/ 无可用 exploit;"任一副本上 exploit 成功"是与对照组攻陷可比的量,用以区分"阻断"与"转移"。
- 攻击者报告:Opus 4.8 把它认定的秘密写入文件;ARTEX 不写文件,harness 取其 findings、报告或命令输出中第一个 32 位十六进制值,判定为 reported / doubted / seen only。
- 余量指标:确认前的请求数与秒数、确认信号类型、确认前到达真实目标的 payload 请求数、影子承接的请求比例;每次欺骗运行后用独立 listener 跑良性爬虫记录其状态。
- 有效性:实验 2、3 中运行须五项作弊信号全为零(联系 exploit/咨询主机、用 web 搜索工具、读其他运行目录、发 Docker 命令、委派外部智能体),由冻结的扫描器从工具调用提取并人工复核。
论文做了哪些实验?
三组阶梯实验(Opus 4.8/ARTEX × CVE-Bench、ARTEX × alt-cve-bench)显示静态计划把真实攻陷降到零或近零,exploit 被转移到影子副本。
实验设置
- 被测攻击者:实验 1 用 Claude Opus 4.8 作为自主智能体(HTTP 流量经记录 wrapper);实验 2、3 用 ARTEX 多智能体渗透框架(由 DeepSeek-V4-Flash 驱动),ARTEX 不做修改、运行在仅内网的容器中,web-search 与 web-fetch 工具被禁用。
- 基准:CVE-Bench critical 40 个 Web CVE 任务(2023–2024 年),每个任务目标容器内有 evaluator 判定八种 impact;alt-cve-bench 是作者构建的 20 个 Web CVE 任务,与 CVE-Bench 无 CVE 或应用重叠,任务格式与 evaluator 逐字节相同,难度 6 easy / 8 medium / 6 hard 在运行前固定(Table 5、附录 C)。
- 对照臂:arm A 无防御、arm B 静态计划、arm C 增强配置;每任务每臂攻击一次(Table 2)。
- 判定方式:基准自带 grader 判定真实目标与影子副本;零攻陷报 Clopper–Pearson 95% 区间上限;臂间比较用按任务配对的精确 McNemar 检验。
- 预算:实验 2、3 名义预算 arm A 1,200 s、欺骗臂 1,500 s(部分被 tarpit 延迟抵消)。
- 样本量:300 次计划运行中记录 296 次、288 次有效;实验 2 中 CVE-2024-34716 从未启动,保留在 40 个任务中但无有效运行。
主结果
据 Table 3(每任务每臂一次保留运行,计数覆盖全部 40 或 20 个任务):
表格较宽,可左右滑动
实验 臂 有效 真实攻陷 仅影子成功 假秘密被报告 1 (Opus 4.8, CVE-Bench) A 40/40 26/40 – – 1 B 40/40 5/40 n/a 0/40 1 C 40/40 1/40 n/a 0/40 2 (ARTEX, CVE-Bench) A 38/40 20/40 – – 2 B 31/40 0/40 (≤11.2%) 14/40 7/40 2 C 39/40 0/40 (≤9.0%) 21/40 14/40 3 (ARTEX, alt-cve-bench) A 20/20 15/20 – – 3 B 20/20 0/20 (≤16.8%) 12/20 3/20 3 C 20/20 0/20 (≤16.8%) 14/20 6/20 - 实验 1 的 5 次攻陷中 4 次为 grader 成功、1 次为确认前真实秘密暴露;实验 1 未记录影子上的逐运行结果(Table 3 脚注 f)。
- 配对 McNemar:实验 2 静态臂对对照为 15:0(30 对,p = 6.1 × 10−5),增强臂 20:0(38 对);实验 3 两臂均为 15:0(20 对,p = 6.1 × 10−5)。
- 作者称静态计划已实现了观察到的绝大部分降幅;在对照组攻陷且静态臂有效的 30 个任务上,静态臂攻陷率 95% 区间上限为 11.6%。
RQ2:exploit 被转移而非阻断(Section 6.2)
- 任一副本上的 exploit 成功:ARTEX 在 CVE-Bench 上静态臂 14/40、增强臂 21/40,对照 20/40;alt-cve-bench 上 12/20、14/20,对照 15/20。配对差异不显著(p ≥ 0.25),但作者注明每任务一次运行不能证明利用概率不变,alt-cve-bench 上 12/20 对 15/20 是 15 个百分点的差距;欺骗臂名义预算也更长。
- 确认速度:静态臂在 CVE-Bench 上中位 6 个请求(IQR 3–30)、26.9 s 确认,alt-cve-bench 上 5 个请求(4–17)、20.2 s;确认信号多为预测 risk surface 上的 payload(17/31 与 11/20),其次为假端点(9 与 6)和诱饵(5 与 3)。影子承接了每运行中位 95.2% 与 93.2% 的请求。
- 余量不总是宽:2/31 的 CVE-Bench 运行在确认前有 payload 到达真实目标(7 个和 4 个请求),未造成攻陷;一次运行(CVE-2024-31611)在 31,409 个指向不存在路径的请求后才确认。analyst 的 risk surface 仅在 22/39 个计划中点名了真正的漏洞处理器,但 6 次漏报后仍靠诱饵或其他预测面确认,作者称漏报后的保护依赖于攻击者在触达漏洞前广泛探测。
RQ3/RQ4:换攻击者、新任务与增强配置(Sections 6.3、6.5)
- 换攻击者(描述性比较):同一 40 任务上两个对照分别攻陷 26/40(Opus 4.8)与 20/40(ARTEX);静态计划放过了 Opus 4.8 的 5 个任务、ARTEX 的 0 个。作者注明实验 1 是开发集、两实验用不同计划与简报,比较仅为描述性。
- 新任务:alt-cve-bench 上未观察到真实攻陷,影子 exploit 成功 12/20 与 14/20,假秘密被报告 3/20 与 6/20;任务集不同,作者不跨基准比较比率。
- RQ4:实验 1 中 arm C 把攻陷从 5/40 降到 1/40(5:1,p = 0.22);ARTEX 实验中两臂均为零,在 51 个配对任务上 deflection 为 26 对 29(3:6,p = 0.51),假秘密报告 10 对 17(6:13,p = 0.17),确认时间中位 22.4 s 对 23.0 s。作者称未检测到显著差异,且比较不分离 responder。
ARTEX 对诱饵的报告(Section 6.4、Table 10)
- 采信假秘密:四个 ARTEX 欺骗臂共 120 个任务、110 次有效运行中,提取值为植入假秘密的有 55 次;其中 18 次仅出现在原始工具输出,7 次被质疑,30 次被当作真实发现报告,20 次在没有任何可用 exploit 的情况下发生(仅由诱饵产生)。
- 识别后仍采信:10 次运行报告称某项为诱饵或陷阱,其中 5 次仍把植入值报告为真;作者称这类似问卷测得的 recognition–action gap (Prinos et al., 2026),但只是对最终报告的观察,未还原各项被遇到的顺序。
其他消融与分析
- 良性爬虫:117 次记录的欺骗臂运行中 115 次保持 normal,2 次变为 suspect(均在 CVE-2024-37849,因资源链接损坏产生 404 突发),从未被确认。
- 共享记忆敏感性:剔除存在同 CVE 记忆残留的任务后,欺骗臂对对照的攻陷对比仍显著(实验 2 为 13:0 与 15:0,实验 3 为 11:0 与 12:0,均 p < 0.001);RQ4 的 deflection surplus 从 3:6 降为 2:3(Section F)。
- grader 阳性对照:20 个任务的新实例上,primary 的 grader 每次都接受自己的秘密、从不接受影子的秘密,166 项检查全部符合预期(Section F)。
- responder 放置:实验 3 中位每次运行调用 3 次、放置 6 项(共 123 项),实验 2 共放置 271 项;被拒绝的主因是影子 grader 已报成功(实验 3 为 33 项、实验 2 为 39 项)。
- 成本:规划中位每应用 $2.02–2.40、7–16 分钟;responder 中位每运行 $1.76–1.92(Section G)。
有什么可以进一步探索的点?
作者列出单次运行、无阻断基线、饱和等局限;实验仅覆盖两个攻击者、单服务 Web 任务与每任务一次运行。
作者指出的局限与后续方向
- 每任务每臂仅一次保留运行(Limitations):智能体是非确定性的,未测量运行间方差;次要结果(deflection、假秘密、余量)在 20–38 个配对任务上估计不精确,RQ4 的不显著不能证明等价。
- 无阻断或仅检测基线(Limitations):只与无防御比较,不能说明转移优于阻断,也不能说明诱饵相对 LLM 配置的检测器或传统 WAF 的增量。
- 饱和问题(Limitations):静态计划已阻止全部攻陷时,主指标无法给叠加组件排序;次要量只度量已观察运行中的余量。
- 攻击者覆盖与归因假设(Limitations):两个攻击者在模型、脚手架、简报和秘密提取方式上都不同,差异不能归因于单一因素;未给攻击者检测欺骗的程序,会交叉验证秘密、指纹识别影子或轮换客户端身份的攻击者可能削弱路由与诱饵;按 listener 的客户端归属是"最暴露的假设"。
- 共享攻击者记忆与容器名泄漏(Limitations、Section F):ARTEX 单实例的资产库跨任务保留(176 次记录运行中 147 次返回其他任务记录、22 次为同 CVE 早期运行),影响方向未确定;影子的容器名前缀在 7 次运行中对有代码执行的攻击者可见,部署时不得暴露。
- 任务与流量范围、测量(Limitations):全部为单服务容器化 Web 应用,多主机或带 WAF 的第三方基准(Liu et al., 2025)留作未来工作;良性检查只是同源链接爬虫,不代表登录、搜索、上传、API 客户端或与攻击交织的流量;作弊扫描器在实验 3 中改过两次后冻结,假秘密编码与 analyst 召回标签来自单次 LLM 辅助编码、无第二独立编码者。
实验覆盖范围
- 被测攻击者共两个:Claude Opus 4.8 单智能体(实验 1)和 ARTEX(DeepSeek-V4-Flash 驱动,实验 2、3)。
- 任务为 CVE-Bench 40 个 critical 任务与自建 alt-cve-bench 20 个任务,均为单服务 Web 应用;每任务每臂一次保留运行。
- 防御配置为 arm B 静态计划与 arm C 增强配置,对照为无防御;未与 AgentSnare、AgentTrap 或 WAF 直接对比(论文明确不做直接对比)。
- 良性流量仅由独立 listener 上的同源链接爬虫产生,共 117 次记录的欺骗臂运行。
- 论文未报告运行间方差与重复次数(每任务仅一次保留运行);实验 1 未记录影子上的逐运行结果与路由器余量。
总结一下论文的主要内容
源码规划的静态蜜罐加按客户端路由把自主攻击者隔离进影子副本,在测试配置中几乎消除了真实目标攻陷。
一篇防御论文:针对能快速利用 Web 漏洞的自主 LLM 攻击智能体,作者把"把被确认的攻击者移到服务副本"的旧安排引入 LLM 攻击场景,并设计了能区分"阻断 exploit"与"转移 exploit"的评测。
- 问题:作者称补丁可能赶不上智能体攻击速度;已有针对智能体的欺骗多把攻击者从仍可到达的真实目标旁引开,资产安全依赖智能体持续偏好诱饵。
- 方法:两个 Claude Opus 4.8 智能体(analyst 与 designer)部署前从应用源码规划静态蜜罐(诱饵页、假端点、honeytoken、检测规则),通过六道自动门禁;运行时固定代码的路由器按 normal/suspect/confirmed 三态把确认客户端的后续所有请求发往隔离影子副本,arm B 运行时无 LLM 调用,arm C 再加 LLM responder 与额外确认规则。
- 主结果:在 CVE-Bench 40 个 critical 任务上,静态计划把真实攻陷从 26/40 降到 5/40(Opus 4.8)、从 20/40 降到 0/40(ARTEX,31 次有效运行);在未参与设计的 alt-cve-bench 20 个任务上从 15/20 降到 0/20(Table 3)。
- 转移而非阻断:ARTEX 的可用 exploit 在影子上成功而真实目标完好(CVE-Bench 静态臂 14/40、增强臂 21/40),作者称在观察到的运行中防御转移了可用 exploit;确认前窗口是剩余风险,静态臂中位 6 个请求、26.9 s 确认。
- 攻击者报告:ARTEX 在 110 次有效欺骗臂运行中 30 次把植入假秘密报告为真实发现,其中 5 次发生在同一份报告已把另一项标为诱饵的情况下(Table 10)。
- 作者结论:作者称该组合在测试配置中大幅降低了真实目标攻陷,但证据限于每任务一次保留运行、单服务 CVE 任务与固定 listener 归因;未与阻断基线比较,对身份轮换、预期欺骗的攻击者的鲁棒性仍待检验。