---
title: "PlanTERS 论文以参考智能体定义提示注入的相对安全性"
dek: "一篇 arXiv 预印本报告了在明确假设下对智能体防御机制进行机械化验证的结果。其安全定义允许参考智能体本身已有的信息泄露。"
---

Brijesh Dongol 于 2026 年 11 月 8 日提交预印本，介绍 PlanTERS 框架，为大语言模型（LLM）智能体的提示注入安全提出相对定义。arXiv 摘要称，研究在 Isabelle/HOL 中对采用围栏、预算、审批、循环和双 LLM 的智能体进行了机械化验证，给出了相应结果。[^1]

论文从一个实际难题出发：有用的智能体必须允许电子邮件、网页等不可信内容影响其行动。因此，研究将智能体与一个参考智能体比较：两者执行相同计划，受相同的运行时监控器约束，但参考智能体的模型从不服从不可信内容中的指令。所谓相对安全，是指智能体的每一次信息泄露，都属于参考智能体本来就会发生的泄露。这一定义允许基准系统已有的泄露，并未声称参考智能体会保守所有用户数据。[^1]

摘要报告了一项围栏定理：在首次读取不可信内容时撤销可被注入利用的工具，且此后不再恢复，可使所有计划在有限运行中满足事件层面的相对安全。该结果要求每次注入仅涉及一次调用，且模型服从指令的时机遵循预先固定的调度；加入公平性条件后，结果可扩展至可能无限的运行。摘要称，框架对多种防御模式给出了相对安全的数学证明或反例，但没有逐项列出结论。[^1]

:::analysis
这项主张位于 T5 智能体层（agents）和 T2 运行时层（runtime）：能否采信结论，取决于智能体计划、模型行为假设和运行时监控器是否符合形式化设定。用户和运营方在引用该定理前，应核对自身的工具撤销行为及这些假设；保存的来源没有建议升级到某个修复版本。这里涉及的可核查属性是可识别性：如果向用户提供服务的确切版本和配置有记录且可核查，用户就能判断自己是否曾处于相关系统设定之下，但这些记录本身不足以确认发生了泄露，也不足以确认定理适用。[^1]
:::

:::checked
我们于 2026 年 11 月 17 日阅读了保存的 arXiv 摘要页快照，论文题为“On the Relative Security of Prompt Injection: Mechanised Definitions, Defences and Verdicts for LLM Agents”，页面标识为首次提交版本 v1。我们没有阅读全文或数学证明材料，没有复现数学证明，也没有测试系统。本次核查确认的是摘要报告了哪些内容，并未独立验证其研究结果。[^1]
:::

[^1]: Brijesh Dongol，arXiv，提交于 2026 年 11 月 8 日。https://arxiv.org/abs/2611.11506
