Yasha Khandelwal 于 2026 年 11 月 1 日发布一份个人提交的 Internet-Draft,提出实验室基准测试方法,衡量 AI 智能体记忆子系统能否识别存储层篡改,避免将受篡改的持久化记忆作为真实记录提供。该文件名为 A Benchmarking Method for the Integrity of AI Agent Memory at Rest,仍属进行中的工作。Datatracker 页面明确说明,它未经 IETF 背书,在 IETF 标准流程中没有正式地位。[1]
draft-khandelwal-bpm-agent-memory-integrity-00 定义了十种存储编辑操作。新增的“删除后恢复”测试先通过子系统自身接口删除记录,再恢复删除前的完整备份,以检查已确认的删除能否经受旧存储副本的恢复;这些旧数据本身可以全部是真实记录。其威胁模型假定攻击者可以写入存储,但不持有子系统的任何密码学密钥。[1]
评估者先停止子系统,修改存储,再重启并通过子系统自身接口读取。拒绝提供记忆,或在提供之前或同时发出完整性信号,计为通过;仅通过单独审计发现问题,计半分。对照条件要求:未改动的记忆仍可正常读取,重启后的正常写入有效,并确认每次编辑确实生效。不适用的测试不计入分母,也不能算作通过。该方法没有设定合格分数门槛,也不衡量保密性、提示注入抵抗能力或推理正确性。[1]
[1]: A Benchmarking Method for the Integrity of AI Agent Memory at Rest。IETF Datatracker,2026 年 11 月 1 日。https://datatracker.ietf.org/doc/html/draft-khandelwal-bpm-agent-memory-integrity-00
来源
核查或更正本页
- 更正
- 提交更正请求 · 在 GitHub 编辑源文件 · 更正政策