自主 LLM 智能体蠕虫：跨平台传播、自动发现与时序防御

自主 LLM 智能体作为长期运行的进程，具有持久化工作区、记忆文件、调度任务状态和消息集成等特征。这创造了一种新的传播风险：受攻击者影响的内容可写入持久化智能体状态，经由调度自动加载重新进入 LLM 决策上下文，驱动包括配置更改和跨智能体传输等高风险动作。我们提出了用于自动化分析文件支撑多智能体 LLM 生态系统中持久化蠕虫传播的首个系统框架。SSCGV 是我们的自动源代码图分析器，追踪文件 I/O 到 LLM 上下文注入点的数据流并按注入位置对载体进行排名，而无需人工分析。SRPO 是我们的摘要抗韧性有效载荷优化器，能够在跨多跳通信中生成对 LLM 中介的摘要和改写具有鲁棒性的蠕虫有效载荷。在三个生产级智能体框架上进行评估，我们展示了零点击的自主传播、3 跳跨平台传输（无需平台特定适配）、跨智能体特权提升以及数据外泄。我们确定了两个经验性洞见：用户提示载体比系统提示载体实现更高的攻击合规性，读操作在 LLM 中介系统中代表着主要的完整性威胁。为对抗此类攻击，我们开发了 RTW-A，该方案在形式的持久蠕虫传播不可能定理下经过验证。RTW 阻止写入后暴露读取的再进入；封闭配置保护静态文件；强类型记忆提升防止不可信摘要进入可信记忆；以及能力削弱限制外部读取后的高风险动作。这些机制在保留普通工作流程的同时消除持久性、再进入、动作链。受影响系统已匿名化，待 coordinated 披露。