論文の概要: Workspace Topology as an Attack Vector in Agentic Coding Assistants

• arxiv url: http://arxiv.org/abs/2608.14876v1
• Date: Fri, 14 Aug 2026 20:30:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.119739
• Title: Workspace Topology as an Attack Vector in Agentic Coding Assistants
• Title（参考訳）: エージェント符号化アシスタントの攻撃ベクトルとしてのワークスペーストポロジー
• Abstract要約: エージェントコーディングアシスタントは、新しいコード開発だけでなく、サードパーティのコードを素早く取り込み、活用するために広く利用されている。 これにより、これらのコーディングツールが開発者ドメイン内で幅広いアクセスで動作するため、悪意のあるコードが摂取されるリスクが開ける。 本研究では,新しい攻撃面の異なる寸法が敵の急速噴射実験の攻撃成功率に及ぼす影響について検討した。
• 参考スコア（独自算出の注目度）: 33.84924547762174
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agentic coding assistants are finding widespread use, not just in new code development but in quickly ingesting and leveraging third-party code. This opens up a risk of malicious code being ingested as these coding tools operate with broad filesystem access inside developer workspaces. In this paper, we extensively study the impact of different dimensions of a novel attack surface we term workspace topology -- defined via directory depth, codebase modularity, in-file injection position and context framing -- on the attack success rate of adversarial prompt injection attempts. We perform an empirical study of indirect prompt injection (IPI) across a diverse set of open-source repositories spanning 10 languages and 6 engineering domains, evaluating three IPI entry points against open-weight models operating open source code harnesses. We find that workspace topology measurably affects IPI success. Specifically, changes in codebase modularity can significantly alter the Attack Success Rate (ASR), with highly modular environments demonstrating significantly lower attack success rates. Furthermore, context framing and introduction of security-cues in the workspace can also alter the ASR. Our findings offer practical value for the evaluation and security testing of coding agents across diverse settings, while underscoring the importance of an uncontaminated testing environment to obtain reliable results and conclusions.
• Abstract（参考訳）: エージェントコーディングアシスタントは、新しいコード開発だけでなく、サードパーティのコードを素早く取り込み、活用するために広く利用されている。 これにより、これらのコーディングツールは、開発者ワークスペース内の広いファイルシステムアクセスで動作するため、悪意のあるコードが摂取されるリスクが開ける。 本稿では,新しい攻撃面の異なる次元のワークスペーストポロジ – ディレクトリの深さ, モジュール性, ファイル内注入位置, コンテキストフレーミング – が, 対向的インジェクションの試みの攻撃成功率に与える影響を広く研究する。 Indirect prompt Injection (IPI) を10の言語と6のエンジニアリングドメインにまたがる多種多様なオープンソースリポジトリに適用し、オープンソースコードハーネスを運用するオープンウェイトモデルに対して、3つのIPIエントリポイントを評価する。 ワークスペーストポロジがITIの成功に影響を与えることが分かりました。 特に、コードベースのモジュール化の変更はアタック成功率(ASR)を著しく変更する可能性がある。 さらに、コンテキストフレーミングやワークスペースにセキュリティキーを導入することで、ASRを変更することもできる。 本研究は, 信頼性の高い結果と結論を得るために, 未汚染試験環境の重要性を強調しつつ, 各種設定のコーディングエージェントの評価とセキュリティ試験の実践的価値を提供する。

関連論文リスト

• Beyond the Payload: How User Invocation Shapes Coding Agent Vulnerability to Repository Poisoning [39.57248170050304]
  コーディングエージェントは、サードパーティリポジトリからのプロジェクトのブートストラップなど、ソフトウェアエンジニアリングタスクにますます使用されている。 これらのユーザ側の選択をPrompt-Level設定(PLC)と呼び、CIPR(Coding In Poisoned Repos)を導入します。 CIPRは、20のリポジトリに1,920のインスタンス、4つのタスクタイプ、3つのソーシャルメディアベースのプロンプトスタイル、3つのスキル/ルール条件、そしてアタック成功率(ASR)とエージェントアラートレート(AR)を含む。 脆弱性は非常にコンテキスト依存的であり、タスクタイプはASRの4.5倍の違いをテストで生成する。
  論文  参考訳（メタデータ） (2026-08-31T12:26:01Z)
• SWE-Touch: Benchmarking Coding Agents When Users Touch the Code [27.67528029348664]
  実際のソフトウェア開発では、コーディングエージェントが共有ワークスペースで動作し、ユーザが進行中のタスク中にコードを検査したり修正したりする必要がある。 我々は、検証済みのCounter-Editsを通じて、この設定をストレステストするフレームワークであるSWE-Touchを紹介する。 我々は、SWE-Bench ProとDeepSWEの長軸タスクに関する追加実験を行い、SWE-bench Verifiedの9つの符号化モデルを評価する。
  論文  参考訳（メタデータ） (2026-08-03T17:03:19Z)
• What Breaks When LLMs Code? Characterizing Operational Safety Failures of Agentic Code Assistants [4.032084095153604]
  私たちは、22のプレミア会場から68,816の論文、安全関連の研究185のキュレーション、広くデプロイされたコーディングツールから16,586のGitHubイシューを検査しました。 両コーパスを体系的にオープンコーディングすることで、33種類の運用リスクの多次元安全分類を導出する。 以上の結果から,コーディングエージェント障害は重篤で,547件中326件が重篤であった。
  論文  参考訳（メタデータ） (2026-05-29T03:09:37Z)
• AgentHijack: Benchmarking Computer Use Agent Robustness to Common Environment Corruptions [78.49000936275773]
  我々は、一般的な汚職下でのコンピュータ利用エージェントの堅牢性を評価するために設計されたベンチマークであるAgentHijackを紹介する。 MLLMをベースとした各種デスクトップタスクを評価し, 汚職の小さな事例であっても, 大幅な性能劣化が生じることを確認した。 本稿では,動作の要約と環境チェックに責任を負う見物人として,アクションジェネレータと接地機能を統合したフレームワークであるAgent Hijack-Agentを提案する。
  論文  参考訳（メタデータ） (2026-05-25T11:09:22Z)
• An Empirical Study of Speculative Decoding on Software Engineering Tasks [10.08815388769347]
  大規模言語モデル(LLM)は、関数レベルのコード生成から複雑なリポジトリレベルまで、ソフトウェア工学(SE)タスクに広く使われている。 しかしながら、自動回帰推論のレイテンシが高いことは大きなボトルネックであり、インタラクティブな環境へのデプロイを妨げる。 本研究は,SEタスクにおける投機的復号化(SD)の有効性を評価するための,最初の体系的実証的研究である。
  論文  参考訳（メタデータ） (2026-04-29T09:26:13Z)
• AI-for-Science Low-code Platform with Bayesian Adversarial Multi-Agent Framework [4.782965804438204]
  大規模言語モデル(LLM)は、科学的コード生成を自動化する可能性を示しているが、信頼性、エラーの伝播、評価において課題に直面している。 我々は,AI for Science(AI4S)タスクを低符号プラットフォーム(LCP)の形で特別に設計したベイズ対向型マルチエージェントフレームワークを提案する。 ユーザ入力を実行可能な計画と適応テストケースに構造化するタスクマネージャ、候補ソリューションを生成するコードジェネレータ、包括的なフィードバックを提供する評価器である。
  論文  参考訳（メタデータ） (2026-03-03T18:25:00Z)
• RealSec-bench: A Benchmark for Evaluating Secure Code Generation in Real-World Repositories [58.32028251925354]
  LLM(Large Language Models)は、コード生成において顕著な能力を示しているが、セキュアなコードを生成する能力は依然として重要で、未調査の領域である。 我々はRealSec-benchを紹介します。RealSec-benchは、現実世界の高リスクなJavaリポジトリから慎重に構築されたセキュアなコード生成のための新しいベンチマークです。
  論文  参考訳（メタデータ） (2026-01-30T08:29:01Z)
• Analyzing Code Injection Attacks on LLM-based Multi-Agent Systems in Software Development [11.76638109321532]
  本稿では,ソフトウェア工学プロセスの実装フェーズのためのマルチエージェントシステムのアーキテクチャを提案する。 このようなシステムは、非常に正確にコードを生成することができるが、コードインジェクションを含む攻撃に弱いことを実証する。
  論文  参考訳（メタデータ） (2025-12-26T01:08:43Z)
• RedCodeAgent: Automatic Red-teaming Agent against Diverse Code Agents [70.24175620901538]
  コードエージェントは、強力なコード生成機能とコードインタプリタとの統合により、広く採用されている。 現在の静的安全性ベンチマークとレッドチームツールは、出現する現実世界のリスクシナリオを特定するのに不十分である。 我々はRedCodeAgentを提案する。RedCodeAgentは、多様なコードエージェントの脆弱性を体系的に発見するように設計された、最初の自動リピートエージェントである。
  論文  参考訳（メタデータ） (2025-10-02T22:59:06Z)
• Ensembling Large Language Models for Code Vulnerability Detection: An Empirical Evaluation [69.8237598448941]
  本研究では,ソースコードの脆弱性検出において,Large Language Models(LLM)の性能を高めるためのアンサンブル学習の可能性を検討する。 脆弱性検出に適したスタック機能であるDynamic Gated Stacking (DGS)を提案する。
  論文  参考訳（メタデータ） (2025-09-16T03:48:22Z)
• RedCode: Risky Code Execution and Generation Benchmark for Code Agents [50.81206098588923]
  RedCodeはリスクの高いコード実行と生成のためのベンチマークである。 RedCode-Execは、危険なコード実行につながる可能性のある、挑戦的なプロンプトを提供する。 RedCode-Genは160のプロンプトに関数シグネチャとドキュメントを入力として提供し、コードエージェントが命令に従うかどうかを評価する。
  論文  参考訳（メタデータ） (2024-11-12T13:30:06Z)
• Compromising Embodied Agents with Contextual Backdoor Attacks [69.71630408822767]
  大型言語モデル(LLM)は、エンボディドインテリジェンスの発展に変化をもたらした。 本稿では,このプロセスにおけるバックドアセキュリティの重大な脅威を明らかにする。 ほんの少しの文脈的デモンストレーションを毒殺しただけで、攻撃者はブラックボックスLDMの文脈的環境を隠蔽することができる。
  論文  参考訳（メタデータ） (2024-08-06T01:20:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。