LLM-Agent-Firewall-MAPI-6K 仓库发布可复现的多智能体提示词注入检测实现

sushant-me 在 GitHub 发布了论文《LLM Agent Firewall》的可复现实现，包含 6,000 条确定性智能体间消息语料、亚毫秒级 TF-IDF + 逻辑回归分类器，以及置信度校准的两层路由，仅升级不确定流量给语义判官。在 CPU 上约一分钟跑完全部核心结果，无需 GPU、API 密钥或网络。实测 Strata I+II held-out 准确率 1.000、0 误报 0 漏检，分类器平均延迟 0.333 ms，5% 隐蔽攻击占比下混合延迟 271.5 ms（比全部走判官快 19.9 倍）。