技能型AI智能体新型攻击：跨技能隐蔽级联危害

发生了什么

arXiv研究团队针对技能型智能体系统忽略跨技能交互风险的安全盲区，提出“技能级联攻击”威胁范式：将恶意目标拆分到多个单独看良性的技能中，组合执行时产生有害结果。团队开发了自动化多智能体红队框架SkillCascade，发布含213个已验证级联测试用例的基准库，测试显示该类攻击可绕过现有单技能扫描、运行时监控，在OpenClaw、Claude Code、Codex等主流智能体上可靠触发有害行为。

关键信息

论文编号

arXiv:2609.30383v1

提出的威胁范式

技能级联攻击

配套工具

自动化多智能体红队框架SkillCascade

配套测试基准

SkillCascade-Bench，含213个已验证跨领域测试用例

验证覆盖智能体

OpenClaw、Claude Code、Codex

背景

当前技能型智能体系统依靠运行时可加载的第三方技能包实现能力灵活复用，但此前的安全防护仅聚焦单个技能本身的漏洞，完全忽略跨技能交互带来的潜在威胁，存在明显的安全盲区。

为什么重要

这一研究明确指出了当前智能体安全防护的核心逻辑缺口：组件级的合规校验不等于系统整体的安全可控；对开发者而言，需要重构安全检测逻辑，从单技能静态校验转向跨技能交互的全链路推理检测；对医疗等高风险场景用户来说，可帮助规避第三方技能集成带来的隐蔽安全隐患。