BraveGuard：从开放世界威胁到更安全的计算机使用智能体

计算机使用智能体将语言模型扩展至与文件、终端及浏览器的持续交互，引发了难以通过孤立提示检测的安全风险。本文提出 BraveGuard，一种用于训练防护模型的自我进化防御框架。该框架通过挖掘开源研究识别新兴威胁模式，将其实例化为可执行任务，收集智能体轨迹并生成监督信号。面对新威胁时，流程可重复执行，形成自适应防御闭环而非静态训练。实验表明，BraveGuard 在轨迹级安全检测上显著优于现有模型，准确率从 38.79% 提升至 82.38%，为应对不断演变的现实风险提供了可扩展路径。