---
title: "SEAL 作者报告：本地工具输出净化降低提示注入成功率"
dek: "一篇 arXiv 摘要介绍了利用冻结的任务模型、删除工具输出中部分文本的防御方法。基准数据来自作者报告；我们阅读了保存的摘要页面，未测试系统。"
---

Doohyun Kim、Donghwa Kang、Mingyu Jun 和 Brent ByungHoon Kang 于 2026 年 10 月 29 日向 arXiv 提交 SEAL，介绍一种面向本地大语言模型（LLM）智能体的间接提示注入防御方法。摘要针对通过不可信工具输出进入的攻击，目标是在推理预算有限的情况下，保留完成用户任务所需的证据。[^1]

据作者介绍，SEAL 离线学习软提示和评分读出组件，再利用冻结的任务模型净化工具输出。它使用可信的初始上下文和学得的提示构造评分查询，使评分参照独立于被检查的工具文本。词元评分不在上下文词元之间进行归一化；在局部删除文本时，保留正则化鼓励保留有用证据。作者称，该设计既不需要防御过程生成词元，也不需要独立的验证模型。[^1]

摘要报告了在 AgentDojo 和 AgentDyn 上的评估结果。作者称，在 AgentDojo 上，攻击成功率从 34.6% 降至 0.1%；Joint 指标，即完成任务且攻击未成功的比例，从 51.4% 升至 77.5%。作者还报告，防御相关词元用量约为 PISanitizer 的 1/127，并将采用相同训练方案、在第二个骨干模型上的复现结果，作为支持其跨模型家族适用性的证据。[^1]

:::analysis
这项主张涉及 T6 评估层（evaluations）和 T5 智能体层（agents）：基准结果反映智能体如何处理不可信工具证据，用户仍需确认自己的部署是否与评估设置相符。这里涉及的可核验属性是可识别性：如果向用户提供服务的确切版本和配置有记录且可查，用户就能判断自己是否接触过相关设置；仅凭这些记录，无法确定攻击是否发生或成功。用户和运营方应将部署记录与作者描述的方法及评估条件核对；保存的摘要没有给出修复版本或升级建议。[^1]
:::

:::checked
我们于 2026 年 10 月 30 日阅读了所提供的 SEAL arXiv 摘要页面存档，编号为 2610.39758v1，包括提交历史。这能确认作者报告了哪些内容，不能独立确认其结果。我们没有阅读全文、检查代码、复现基准或测试系统；保存的摘要不足以评估具体部署中的防护效果。[^1]
:::

[^1]: SEAL: Sealed Queries for Local Sanitization against Indirect Prompt Injection。arXiv，提交于 2026 年 10 月 29 日。https://arxiv.org/abs/2610.39758
