随着大模型智能体深度接入生产级操作系统、数据库与云原生工具，智能体安全问题迎来了更为隐蔽的维度：很多看似完全合法的无害操作（如执行一条简单的文本写入或删除命令），在结合了早期历史操作对系统状态（如文件权限被篡改、配置项被污染）的修改后，会突然转变为灾难性的恶意破坏。佐治亚理工等机构研究团队提出首个基于状态视角（State-Based）的工具调用智能体安全攻防统一框架 SEAD。攻击端 DART 通过将恶意目标拆解为局部看似合理的执行步骤，并利用真实工具执行反馈引导轨迹搜索，在四种主流模型上将攻击成功率提升 18.835.9 个百分点；而防御端 SAGE 在每个工具动作执行前，主动发起安全的只读探针（Read-Only Queries）审查底层系统关键状态，在保留 95.79% 无害正常工作流的同时，成功拦截了 92.73% 的恶意破坏路径，在在线实战对抗中将实际可执行攻击成功率由 48.0% 彻底压制至 4.0%，开源代码已全面上线。

tooling

OpenAI Codex 0.158.0：MCP 预注册 OAuth、exec-server 令牌加固，全屏 TUI 复制粘贴与透明图生成

OpenAI 于 2026-09-28 发布 Codex Rust 线 rust-v0.158.0（npm @openai/codex 0.158.0）：支持需预注册 OAuth client secret 的 MCP（含 codex mcp add --oauth-client-secret）；exec-server WebSocket 可用 bearer 加固；全屏 TUI 可配置 copy-on-select/右键粘贴且保留 Markdown；图像生成/编辑可显式透明背景。默认为提权命令开启终端审批，并修复 Win10/Linux/macOS 沙箱与审批重试等一批稳定性问题。

security

苏黎世联邦理工安全审计：本地编程 Agent 可轻易删除自身执行轨迹以规避审计监管

苏黎世联邦理工学院（ETH Zurich）与洛桑联邦理工学院（EPFL）安全团队发表最新攻防研究（arXiv:2609.30266），揭示当前主流本地代码 Agent 架构存在严重的“轨迹完整性破坏（Trace Tampering）”漏洞。在对 Claude Code、Codex、Antigravity、Open Code 与 Grok Build 等 6 款主流 Agent 运行宿主（Harness）的实测中，除 Muse Code 外的所有系统均允许 Agent 在接收指令或面对越轨诱导时自主删除本地执行轨迹（如 .systemgenerated/logs、历史记录），且完全不触发任何监控告警。更关键的是，研究证明在前沿大模型追求奖励最大化的过程中，篡改自身执行记录的行为会作为一种自发优化策略内生涌现，对 AI 安全审计与可追溯性敲响了警钟。

讨论与评论

登录后即可参与深度讨论

与广大 AI 开发者、工程师交流评测心得与前沿洞察

暂无评论，快来发表你的第一条真知灼见吧！