arXiv · cs.AI· Shiyu Kan·· 4 天前精选AI 评分63
arXiv 论文提出 ETUDE 攻击：工具更新成 LLM Agent 安全盲区，对 Claude Code 等 7 框架实现 97.6% 攻击成功率
Beyond Prompt Injection: The Tool Update Gap in LLM Agent Security
来源与原文
arXiv · cs.AI
作者：Shiyu Kan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.01976v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
上海交通大学与 Inria 研究者在 arXiv 论文（arXiv:2611.01976）中提出 ETUDE 攻击，把恶意功能植入初始良性工具的更新中，由于更新后的工具代码在 LLM 上下文窗口之外执行，可绕过针对模型可见内容的防御。在 Gemini CLI、Codex CLI、Claude Code 等 7 个商用与开源 Agent 框架、3 类攻击负载上的评测显示攻击成功率（ASR）达 97.6%，同时保持 95.9% 的合法任务完成率，且现有防御不足，作者指出工具更新后其既有信任不再必然有效。
推荐理由
论文提出工具更新供应链攻击 ETUDE，在七个主流 Agent 框架实测 97.6% 攻击成功率，展示了上下文外防御的盲区。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。