AgentRedBench：面向 SaaS 集成的 LLM Agent 动态红队测试与集成感知防御

针对工具使用型 Agent 中的间接提示注入威胁，本文提出 AgentRedBench，一个涵盖 24 种企业集成、215 个细微授权场景的动态红队基准。评估显示无防护下攻击成功率高达 81%。为此，作者开源了基于多样化对抗性工具响应内容训练的防御模型 AgentRedGuard。该模型将平均攻击成功率从 69.9% 降至 2.4%，显著优于现有开源基线，并在跨集成和跨攻击类型中表现出良好的泛化能力，有效保障了 Agent 工具调用的安全性。