上海交通大学和 Inria 的研究人员于 2026 年 11 月 1 日提交论文，描述了大语言模型（LLM）智能体中的一种供应链漏洞：工具实现发生变化后，框架可能仍沿用此前的信任，而不重新检查其安全性。作者将其称为“工具更新缺口”。[1]

作者提出的攻击 ETUDE（Exploiting Tool Updates for Direct Execution）将恶意功能嵌入原本正常的工具更新，同时保留工具的合法功能。摘要称，这些恶意代码在 LLM 上下文之外执行，无须对抗性指令。因此，作者认为，仅检查模型可见内容的防御措施无法覆盖这条攻击路径。[1]

作者称，他们在七种商业及开源智能体框架上评估了三类攻击任务，其中包括 Gemini CLI、Codex CLI 和 Claude Code。论文报告的攻击成功率为 97.6%，合法任务完成率为 95.9%，并称现有防御措施保护不足。这些数字是作者报告的总体结果；保存的摘要没有提供各框架的单独结果、受测版本，也没有给出足够的方法细节，因而无法据此判断某个具体部署是否适用这些结论。[1]

[1]: Beyond Prompt Injection: The Tool Update Gap in LLM Agent Security。arXiv，2026 年 11 月 1 日。https://arxiv.org/abs/2611.01976

来源

  1. Beyond Prompt Injection: The Tool Update Gap in LLM Agent SecurityarXiv · 2026年11月1日

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
验证记录

下方摘要可以说明你读到的文字是否与公开的源文件一致，但不能说明报道内容本身正确。这一摘要在构建时根据本页的 Markdown 源文件计算，并列入站点清单。

e4426588480ae490b967bf9c9c864ce820c4d934334fb62b12937eba217c0ee0

查看源文件 · 清单