כתבה
arXiv cs.AI ·
מעבר מאגרי קבוע: בדיקת תלות חסכנית לביטחון לאג'נטים LLM
Beyond Predefined Sinks: Security-Aware Dependency Analysis for LLM Agents
בדיקת תלות חסכנית לביטחון לאג'נטים LLM. המחברים הציגו פרקטיקה חדשה לבדיקת תלות חסכנית לביטחון, שמסוגלת לזהות נקודות חולשה באג'נטים LLM. הפרקטיקה, שנקראת AgentSecGraph, משתמשת באלגוריתם חדש לבדיקת תלות חסכנית לביטחון, שמסוגלת לזהות נקודות חולשה באג'נטים LLM. המחברים הציגו גם קורפוס של 67 רפרטוריות של LLM-agent, שמכיל 37,542 קובצי מקור. הפרקטיקה החדשה מסוגלת לזהות נקודות חולשה באג'נטים LLM, ולספק תוצאות טובות יותר מאשר פרקטיקות בדיקת תלות חסכנית לביטחון קיימות.
תקציר מקורי באנגליתarXiv:2610.03014v1 Announce Type: cross Abstract: Large language model (LLM)-based agents increasingly connect model-generated decisions to security-sensitive software capabilities such as command execution, filesystem access, network communication, browser control, and external tools. Existing analyses often use predefined sensitive operations as anchors, but operation identity alone is insufficient to determine security implications. We present AgentSecGraph, a security-aware static analysis framework that constructs a candidate-centered Security-Aware Agent Dependency Graph (Security-ADG) for each security-sensitive operation. It augments operation identity with agent relevance, source and dependency evidence, trust-boundary context, guard evidence, and external-effect semantics. We fur
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית