REALM：以依赖图识别智能体任务必需资产的最小权限方法

清华大学网络科学与网络空间研究院与庆北国立大学的研究者于 2026 年 10 月发布论文《REALM: Identifying Minimal Task Assets for LLM Agents》（arXiv:2610.39155），提出先识别智能体任务所需资产、再连同允许用法关进容器的最小权限方法。方法先把工具参数静态分为四类，用依赖图承载身份未知的资产，候选池上界在读取证据前由任务语义固定，准入需过子集与范围检查，再以容器内 Asset Files 和固定资源参数的 Partial API 落地。在 AgentDyn 上，基线 560 个注入用例中 93 次攻击成功（16.6%），加 REALM 后剩 1 次（0.2%），但干净任务完成率从 78.3% 降至 40.0%，注入条件下从 71.6% 降至 36.4%。