BTC $62 468 -1.9%ETH $1 742 -2.0%SOL $73 +0.8%TON $1,01 -5.0%BTC $62 468 -1.9%ETH $1 742 -2.0%SOL $73 +0.8%TON $1,01 -5.0%
ииBittalk · по материалам iXBT

Исследование показало, как ИИ-агенты скрывают вредоносные инструкции в памяти между сессиями

Исследование показало, как ИИ-агенты скрывают вредоносные инструкции в памяти между сессиями

Учёные проанализировали 2614 многошаговых атак на ИИ-агентов и выяснили, что вредоносные инструкции могут скрываться в долговременной памяти и срабатывать через несколько сессий. Пошаговые проверки отдельных промптов такие атаки не распознают. Разработчикам рекомендуют тестировать всю цепочку взаимодействий как единое целое.

Исследование, опубликованное в IEEE Access, разобрало 2614 многошаговых атак на ИИ-агентов, которые сохраняют информацию между сессиями. Выяснилось, что атаки с медленным дрейфом и бэкдор-активацией могут выглядеть безобидно почти всю задачу и срабатывают только в последних взаимодействиях. Пошаговые проверки, нацеленные на отдельные промпты, такие стратегии не видят.

Авторы выделили четыре семейства атак: «цепное отравление», «перезапись политик», «активация бэкдоров» и «медленный дрейф». Все они действуют не через инъекцию в текущий запрос, а через постоянное состояние агента — память, которая переживает сессию. Непроверенный вход записывается в долговременное хранилище, извлекается в следующей сессии и влияет на планирование или вызов инструментов после цепочки стандартных действий.

Как атака использует память

Отдельная проверка метода исследователей из Palo Alto Networks Unit 42 показала механизм в действии: косвенные промпт-инъекции (indirect prompt injection) в сконфигурированном Amazon Bedrock Agent меняли сводки сессий, позволяя вредоносным инструкциям переходить в последующие сессии. Это не конкретная уязвимость, а общая проблема всех систем, где непроверенный контент может влиять на хранимую память агента.

Что делать командам разработчиков

Для команд, разворачивающих агентов с памятью, вывод однозначен: тестировать нужно всю цепочку — запись, ответы агентов и последующие действия с инструментами — как единую последовательность. Остановка проверки сразу после обнаружения подозрительного контента пропускает отложенную активацию. Запись происхождения хранимых воспоминаний и ограничение того, какие непроверенные данные могут попадать в контекст, — минимальный практический барьер.

Исследование выполнено на сконструированном наборе симулированных атак, поэтому реальную распространённость таких угроз оно не оценивает. Но эмпирическое доказательство того, что память меняет временной профиль угрозы, — прямой сигнал для систем с доступом к инструментам.

Источник

iXBT · права на исходный материал принадлежат автору.

Материал носит информационный характер и не является индивидуальной инвестиционной рекомендацией. Операции с криптовалютами связаны с риском полной потери вложенных средств. Подробнее — «Отказ от ответственности».

Bittalk в Telegram

Разборы событий, итоги дня и то, что двигает рынок. Без сигналов и обещаний — только факты и что они значат.

Читать в Telegram →

По теме