Agent安全研究失衡:高层风险与慢变量攻击被忽视 当前关于智能体安全的研究存在明显失衡:大量工作集中于模型层和工具层,聚焦即时攻击和单会话攻击;而那些更贴近真实部署环境的高层、慢变量、跨会话风险,反而被严重忽视了。 这背后有一个根本原因:传统的大语言模型更像一个无状态的问答系统,而智能体则是能够跨
LASM:Agent安全的七层攻击面解析与防护策略
时间:2026-05-09
浏览:565
文章目录
Agent安全研究失衡:高层风险与慢变量攻击被忽视
当前关于智能体安全的研究存在明显失衡:大量工作集中于模型层和工具层,聚焦即时攻击和单会话攻击;而那些更贴近真实部署环境的高层、慢变量、跨会话风险,反而被严重忽视了。
这背后有一个根本原因:传统的大语言模型更像一个无状态的问答系统,而智能体则是能够跨步骤、跨组件、跨环境执行任务的自主系统。两者面临的安全挑战,根本不在同一个维度上。
过去,我们习惯于用“提示注入”、“越狱”、“数据投毒”这类标签来讨论风险。这种分类当然有用,但其局限性也日益明显。表面上看,很多攻击都可以归到“提示注入”名下,但它们实际发生的“位置”却天差地别——有的在模型输入侧,有的在工具返回结果里,有的在长期记忆写入阶段,还有的潜伏在多智能体通信链路中。名称看似一样,攻击的入口和控制点却完全不同。
这正是分层攻击面模型框架最重要的出发点。它认为,智能体安全不能停留在“这是什么攻击”的层面,而必须进一步回答:“它打在系统哪一层?”“穿过了哪条信任边界?”“又该在什么位置布防?”换句话说,LASM的目标不是再造一份风险词典,而是绘制一张能真正指导工程落地的安全架构地图。

从研究方法看,这篇论文更像一篇系统综述。作者检索了IEEE Xplore、ACM Digital Library、arXiv和Google Scholar,时间范围覆盖2024年1月至2025年4月,初始获得1247篇相关文献,最终筛选出94篇核心论文进行深度分析。
真正有意思的地方,不在于“看了多少篇”,而在于作者如何组织这些文献。它没有沿用常见的“攻击类型分类法”,而是将所有研究映射到一个全新的框架——LASM之中。这个框架包含两个核心维度:
第一个维度是系统层级,即论文提出的七层攻击面;第二个维度是攻击的时间性,即攻击载荷从植入到真正造成危害所经历的时间跨度。
当这两个维度结合起来,LASM就不再是一个抽象概念,而变成了一种可以“摆放已有研究、同时清晰识别空白区域”的分析工具。作者得出的结论也相当值得注意:当前研究高度集中在模型层和工具层,集中在即时攻击和单会话攻击;而真正更贴近真实智能体部署环境的那些高层、慢变量、跨会话风险,其实研究得远远不够。

七层攻击面:从模型底座到系统治理
LASM,全称Layered Attack Surface Model。它将智能体系统拆解为七个层次,每一层都对应不同的资产、信任边界、攻击方式,以及相应的防御抓手。

第一层,基础模型层。 这是整个系统的底座,关注模型权重、对齐能力、训练过程本身的风险,例如越狱、对抗提示、后门模型、训练数据污染等。这一层延续了传统大模型安全的许多认知,但在智能体时代,它只是起点,而非全部。
第二层,认知层。 这是智能体进行规划、推理、目标管理与任务分解的“大脑”。智能体并非简单问答,而是会形成行动计划,在中间步骤中做取舍。因此,风险也随之演变:攻击者未必追求即时输出有害内容,也可以诱导其形成错误的规划链路,让其在后续执行中逐渐偏离。这类风险更像是“思路被带偏”,而非“回答被绕过”。
第三层,记忆层。 这一层堪称智能体与普通大语言模型的关键分水岭。长期记忆、RAG检索记忆、用户偏好记忆,赋予了系统跨会话持续运作的能力,同时也引入了持续性的攻击面。记忆一旦被投毒,危害未必当下暴露,而可能在未来的某个看似无关的任务中被触发,具有极强的隐蔽性和延迟性。
第四层,工具执行层。 这一层涉及智能体对外部工具(如API、文件系统、代码解释器、浏览器、数据库等)的调用能力。现实中大量最危险的智能体风险都发生于此,因为一旦工具被调用,模型输出就不再只是“说了什么”,而是会真实地“做了什么”。此时,注入、越权、能力滥用等问题会迅速升级为实际后果。
第五层,多智能体协同层。 当系统从单个智能体演变为多个智能体组成的协作网络时,安全问题便从“单点风险”升级为“网络风险”。一个权限不高的子智能体被攻破后,可能通过正常的任务委托、消息传递等流程,将有害信息扩散至整个网络,形成级联式传播。
第六层,生态与供应链层。 这一层关注的是框架、插件、MCP server、提示模板、模型包、依赖库等更大的运行生态。智能体的能力越来越依赖于整个工具生态的拼装。因此,供应链投毒、依赖污染、恶意插件等,成为了新的、更复杂的攻击入口。
第七层,治理层。 这看起来不像传统的“技术层”,却至关重要。对于一个高自主性的智能体,一旦发生错误行动,后续的问责、审计、回溯需求便接踵而至。日志、归因、监控、持续治理等能力,都落在此层,它决定了系统是否具备可靠的责任追溯链条。
LASM的高明之处在于,它并未将这七层视为孤立的模块,而是将其看作一条纵向贯通的风险链。现实中的智能体攻击,往往从某一层渗透进入,再穿透至另一层,最终在影响力更大的位置释放出来。

四类攻击时间性:风险何时生效?
如果说七层攻击面回答了“攻击发生在哪”,那么论文提出的T1到T4分类,则回答了另一个关键问题:“攻击何时生效?”
作者按时间性将攻击分为四类:
T1,即时攻击。 载荷与危害发生在同一次推理中,是最常见的类型,如单轮对话中的提示注入。
T2,单会话持久攻击。 攻击在同一个会话中持续影响后续多轮行为,但尚未跨出会话边界。
T3,跨会话累积攻击。 这是需要警惕的类型,典型场景是长期记忆投毒。攻击者今天写入一条看似无害的信息,未来智能体在另一任务中检索到它时,行为才逐渐发生偏转。
T4,长期系统性攻击。 时间边界被彻底打散,攻击可能已深入模型参数、训练过程或生态依赖中,甚至无法清晰定位具体的“载荷植入时刻”。

这个时间维度至关重要,因为它直接揭示了当前许多安全防护与评测体系的盲区。很多产品擅长检测T1,部分能覆盖T2,但一旦风险升级为T3或T4,传统的单轮检测、单次审查方法往往就力不从心了。换言之,智能体安全的难度,不仅在于攻击变得更复杂,更在于攻击开始“变慢、变长、变得更不显眼”了。
记忆层:最危险也最易被低估的战场
在七层之中,记忆层的讨论尤其值得关注。原因很直接:记忆让智能体变得更有用,但也赋予了它“被持续影响”的条件。传统大模型大多是无状态的,会话结束,影响也随之结束。而智能体一旦拥有长期记忆,攻击便获得了一个可以长期潜伏的容器。
论文特别指出,记忆投毒最棘手之处,恰恰在于它的“正常”。写入时像正常记忆,读取时像正常检索,单独看任何一次交互都可能毫无破绽。然而,将时间线拉长后,系统行为却已被悄然改写。
这也意味着,记忆安全绝不能只做内容过滤,而必须综合来源控制、写入权限管理、命名空间隔离、跨会话审计和一致性校验。从工程视角看,许多团队关注记忆的召回效果与个性化体验,但从安全视角看,记忆本质上是一个高风险的“长期状态库”,它装载的不仅是数据,更是能影响未来行为的“语义偏置”。
工具层:问题的根源是“信任倒置”
论文对工具执行层的一个判断非常精准:许多问题的根源并非工具本身,而是信任关系被倒置了。
在理想情况下,智能体应优先遵守开发者约束和系统策略,将网页内容、API返回值等环境信息视为低信任输入。但现实中,大量智能体恰恰会将这些环境输入重新拼回上下文,甚至当作高优先级指令来理解。
于是,攻击者无需直接控制用户输入,只需污染智能体可能接触到的环境,便有机会通过“间接注入”改变其行为。

这类问题的危险性在于,它极易从“文本风险”升级为“行动风险”。如果智能体仅用于聊天,一次误导的后果可能停留在输出层面;但如果它绑定了代码执行、邮件发送、文件读写等能力,那么一次环境侧注入,就可能引发真实的越权操作。
因此,智能体安全不能只停留在提示词检测。更有效的思路是:对外部输入进行显式的信任分层,严格隔离数据与指令,对工具调用实施最小权限和沙箱控制,并将高风险、不可逆的动作设计为必须确认的流程。
多智能体与供应链:风险的放大器
LASM将多智能体协同和生态供应链单独列出,极具洞察力。因为一旦系统从“单个智能体”变为“多个智能体协作”,风险的分析单位就必须从单点切换到网络。单个智能体再安全,也不等于系统整体安全。
一个低权限智能体被污染后,可能通过完全正常的任务委托、消息传递,将有害信息逐层扩散。这个过程未必需要恶意代码,它完全可以隐藏在“正常协作”之中。
到了供应链层,问题则更为深远。如今智能体的能力越来越依赖外部插件、框架、提示模板和第三方服务。安全风险也随之从“模型本身是否安全”,扩展到“整个运行生态是否可信”。

论文提出的ABOM(智能体物料清单)概念,正是在此背景下应运而生。其本意是借鉴传统软件安全中的SBOM,明确记录智能体的关键组成部分与依赖关系,包括模型版本、工具权限、系统提示、外部服务来源等。
这个方向值得产业界高度重视。因为未来的许多智能体风险,可能并非源于模型能力不足,而是来自生态组件过于复杂、权限关系混乱、来源验证薄弱。谁接入了什么工具、使用了哪个版本、哪些插件拥有写权限——这些都将成为真实世界中更高频、更难以追溯的问题。
智能体安全本质是分布式系统安全问题
这篇论文最值得肯定的一点,在于它没有将智能体安全简单归结为一份更长的攻击清单,而是试图重建一种更接近工程现实的观察方式。
我们讨论安全时,容易陷入“多列几个风险点”的惯性。但对于智能体这类系统而言,风险从来不是点状的,而是沿着状态、记忆、工具、通信、生态、治理一路传导的。某一层的微小缺陷,可能在另一层演变为高影响事件;某个当下无害的写入,也可能在未来某次检索中成为触发条件。
LASM的价值正在于此。它提醒我们,智能体安全并非“模型安全加一点工具风控”那么简单,而是一个典型的分布式系统安全问题。必须看清组件边界、信任边界、时间维度、供应链以及治理问责,否则很可能在底层做了大量防护,却在高层留下致命漏洞。
框架带来的三点启发
第一,安全控制点必须前移与扩散。 对于智能体,输入输出审核仍是底线,但绝非全部。重点应逐步转向记忆写入控制、工具调用约束、消息链路验证、外部组件准入,以及行为审计与责任追踪。
第二,安全评测体系亟待升级。 过去的大量基准测试聚焦于单轮攻击、即时危害和表层输出。未来更需要测试多会话、长时间跨度、延迟触发、链路传播和慢性行为漂移。否则,许多“评测表现安全”的智能体,在真实部署中可能不堪一击。
第三,安全产品的形态将发生演变。 它不再只是模型前后添加的“护栏”,而更像一个围绕运行时环境构建的“安全底座”。这个底座需要整合内容安全、权限控制、依赖治理、资产清单、日志审计、行为监控和策略编排等多元能力。
从这个意义上说,LASM不仅是一个研究框架,也在悄然重新划定智能体安全赛道的产品边界。
局限与展望
当然,作为一篇系统综述与概念框架论文,它的主要强项在于“看清问题”,而非“立即解决问题”。其对文献的编码和归类具有一定主观性,各层级之间也存在交叠,实际系统未必能如此工整地切割。
此外,智能体生态演进极快,尤其是MCP、工具链和治理实践在过去一年变化迅猛。论文的结论虽具框架价值,但具体到某些风险比例和研究覆盖情况,仍需后续工作不断刷新。
然而,这些局限并不折损其重要性。恰恰因为行业尚未形成稳定共识,LASM这样的框架才更显珍贵。它至少提供了一套清晰的坐标系,让讨论不至于继续在“罗列更多攻击类型”的道路上原地踏步。
结语:视角的升级
如果要用一句话概括这篇论文,那就是:它真正提醒我们的,并非智能体有多少种新攻击,而是审视智能体安全的视角必须升级了。
过去,我们关注模型是否会被诱导;现在,我们必须审视一个拥有记忆、工具、协作能力和供应链的自治系统,会在什么层级、什么信任边界、什么时间尺度上出现问题。LASM的七层攻击面与T1-T4时间维度,共同提供了一种更成熟的理解框架。
对当下的智能体行业而言,这种框架感尤为稀缺。许多团队已在开发智能体,却尚未建立与之匹配的“安全地图”。没有地图,就容易在最热闹的地方布防,却在真正危险的地带毫无准备。
LASM的价值,就在于率先画出了这张地图。
实用工具推荐
绿化、压缩、噪点和虚拟水印,自由调节做旧程度。
选择画质和输出格式,预览压缩前后的大小。