NeurIPS 2026 论文提出技能级联攻击并发布 SkillCascade-Bench 基准
Stealth Apart, Harm Together: Skill Cascading Attacks on Skill-Based Agent Systems
AI 导读
研究者提出技能级联攻击，将恶意目标拆散到多个技能中，单独看每个技能都无害，组合执行时产生危害，例如在处方审核流程中让严重药物相互作用警告在到达医生前被逐层削弱并静默消失。
推荐理由
论文提出跨技能级联攻击范式并发布 SkillCascade-Bench，揭示了单技能审查无法覆盖的智能体系统级安全盲区。
正文 · AI 翻译
摘要：技能（skill）是一种模块化包，包含自然语言指令、可执行脚本和参考资源，智能体可在运行时加载它以扩展针对特定任务的能力。基于技能的智能体系统因此能够灵活复用第三方能力，但这种技能生态的开放性也带来了新的攻击面。已有研究聚焦于单个技能内部的漏洞，却很少关注技能之间交互所产生的风险。本文提出技能级联攻击（skill cascading attacks），这是一种威胁范式：恶意目标被分散到多个技能中，使每个修改单独看都无害，但组合执行却有害。例如，在一个处方审核流水线中，第一个技能削弱提取病史中近期停用药物的信号，第二个技能降低与之相关的任何药物相互作用的严重级别，第三个技能在最终总结中抑制由此产生的低优先级警报，从而让一条严重的药物相互作用警告在到达医生之前悄然消失。为系统研究这一安全盲区，我们开发了 SkillCascade——一个自动化多智能体红队测试框架，并发布了 SkillCascade-Bench——一个包含 213 个经验证的级联测试用例、覆盖多个智能体系统和领域的基准。在代表性智能体（如 OpenClaw、Claude Code、Codex）和各类 LLM 骨干模型上，级联交互能可靠地诱发有害行为，同时规避现有的单技能扫描器和运行时监控器。我们的发现凸显了组件级完整性与系统级安全之间的差距，并呼吁构建能够推理跨技能交互而非孤立审视单个技能的防御机制。
| 评论： | 被 NeurIPS 2026 接收 |
| 学科： | 人工智能 (cs.AI) |
| 引用格式： | arXiv:2609.30383 [cs.AI] |
| （或 arXiv:2609.30383v2 [cs.AI] 为本版本） | |
| https://doi.org/10.48550/arXiv.2609.30383 通过 DataCite 获取 arXiv 签发的 DOI |
提交历史
来自：Zihao Zhu [查看邮件]
[v1]
2026年9月24日 星期四 18:00:18 UTC (1,373 KB)
[v2]
2026年10月26日 星期一 14:04:48 UTC (1,388 KB)
来源：arXiv cs.AI · arxiv.org