MCPHunt：评测多服务器 MCP 智能体跨边界数据传播的基准框架
MCPHunt: An Evaluation Framework for Cross-Boundary Data Propagation in Multi-Server MCP Agents
AI 导读
论文提出 MCPHunt 基准，用 canary 污点追踪和 CRS 分层首次隔离评测非对抗性的跨边界凭据传播，已被 NeurIPS 2026 评估与数据集赛道接收为海报。
推荐理由
论文给出可复用的 MCP 跨边界数据流评测方法和量化结果，读者可据此理解多服务器智能体凭据泄漏的规模与缓解边界。
正文 · AI 翻译
摘要：多服务器 MCP 智能体带来了信息流控制（IFC）问题：忠实的工具组合可能将各自无害的读/写权限转化为跨边界的凭据传播——这是工作流拓扑的结构性副作用，而不一定是恶意的模型行为。我们提出了 MCPHunt，据我们所知这是首个受控基准，用于隔离跨多服务器 MCP 信任边界的非对抗性、精确匹配的凭据传播，并具有三项方法论贡献：(1) 基于金丝雀的污点跟踪，将传播检测简化为客观的字符串匹配；(2) 一种环境受控的覆盖设计，包含高风险、良性和困难负例条件，用于验证流程的可靠性，并增加了匹配的替代值对照（相同任务、不同的合成凭据）；(3) 完成需密（CRS）分层，将任务要求的传播（忠实执行逐字传输指令）与违反策略的传播（尽管可选择脱敏仍包含凭据）区分开来。在来自 5 个模型、涵盖 147 个任务和 9 种机制家族的 3,615 条主基准轨迹中，违反策略的传播率在所有模型中均持续存在，为 11.5–41.3%。这种传播具有路径特异性（对 GPT-5.4 而言，各机制间传播率从 0.0% 到 74.4%），并集中在浏览器介导的数据流中；在匹配的替代值对照下，传播依然存在（25.9% vs. 20.4%；配对置信区间跨零，因此该比较既不能区分也不能等同这两个比率）。针对 3 个模型的提示缓解研究表明，违反策略的传播率可低至 0.3%（相对基线降低 98%），同时保持 80.5% 的实用性，但效果因模型而异，这促使人们寻求超越提示的数据流感知防御。代码、轨迹和标注流程已在 MIT 和 CC BY 4.0 许可下公开。
| 评论： | 已被 NeurIPS 2026 接收（评估与数据集赛道，海报）。34 页，2 幅图，22 张表。v2：终稿版本；修正了 v1 中关于模拟污点防护和标注者间一致性的表述。代码：此 https URL 数据：此 https URL |
| 主题： | 人工智能 (cs.AI) |
| 引用方式： | arXiv:2604.27819 [cs.AI] |
| （本版本的 arXiv:2604.27819v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2604.27819 arXiv 通过 DataCite 签发的 DOI |
提交历史
来自：Haonan Li [查看邮件]
[v1]
2026年4月30日 星期四 13:01:03 UTC（168 KB）
[v2]
2026年10月23日 星期五 08:23:06 UTC（181 KB）
来源：arXiv cs.AI · arxiv.org