FragFuse：基于记忆的查询碎片化与融合绕过大型语言模型智能体访问控制

大型语言模型智能体日益依赖长期记忆支持复杂任务，同时新兴访问控制机制旨在阻止违规请求。本文揭示了一种源于记忆操作的新型攻击面：禁止内容可被碎片化存储于长期记忆中，随后通过检索重构以绕过控制。我们提出 FragFuse，首个利用长期记忆时间通道绕过访问控制的攻击方法。该方法包含片段识别、注入及融合检索三个阶段，并开发了基于代理的优化方案实现自动化攻击生成。实验表明，该攻击在多种设置下平均绕过成功率达 86.3%，且现有防御机制难以有效应对。