摘要
技能是 LLM Agent 将计划转化为行动的能力层，但其使用引入了数据泄露等安全风险。现有评估多孤立进行，忽略了真实任务中多技能共享上下文的“技能组合风险”（SCR）。本文提出 SCR-Bench，通过记录下游状态变化和路径级结果，在受控沙箱中评估该风险。基准包含能力流、信任转移和授权混淆三个子项。实验表明，组合路径下的攻击成功率显著高于孤立评估，证明 Agent 技能安全需基于激活路径而非孤立工件进行评估。
AI 推荐理由
论文核心研究 Agent 技能组合带来的安全风险，直接针对技能生态系统的评估与防御。
研究机构
East China Normal University, Shanghai, China
Centre for Frontier AI Research A*STAR, Singapore
Shanghai Innovation Institute, Shanghai, China
论文信息