論文の概要: SkillDRE: Dual-Stage Red-Team Evolution of Agent Skills via Pre-Execution and Runtime Feedback
- arxiv url: http://arxiv.org/abs/2609.32400v1
- Date: Sat, 26 Sep 2026 09:24:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-07 09:30:55.244382
- Title: SkillDRE: Dual-Stage Red-Team Evolution of Agent Skills via Pre-Execution and Runtime Feedback
- Title（参考訳）: SkillDRE: 実行前と実行時フィードバックによるエージェントスキルの2段階のレッドチーム進化
- Abstract要約: SkillDREは、デュアルステージフィードバックループを通じて、完全な悪意のあるスキルパッケージを進化させるための、完全に自動化されたフレームワークである。
SkillDREの平均攻撃成功率は45.28%で、最強のベースラインを40.3%上回っている。
これらの結果から,2段階の防御フィードバックは,適応的なレッドチーム編成に有用な学習信号となることが示唆された。
- 参考スコア（独自算出の注目度）: 13.560003782549998
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agent skills package instructions, executable code, and task-specific resources into reusable artifacts that agents can improve using execution feedback. The same mechanism also enables attackers to evolve malicious skills, making them more effective and less detectable. However, a candidate skill may pass pre-execution scanning yet fail to realize its target under runtime defenses, while a revision that repairs execution may introduce new scanner findings. We introduce SkillDRE, a fully automated framework for evolving complete malicious skill packages through a dual-stage feedback loop. Given a benign task and its associated skills, SkillDRE autonomously constructs and validates a task-conditioned malicious objective and a verifiable judge rule. It then holds both fixed while evolving the skill implementation, with preservation of legitimate task capability. SkillDRE combines scanner-guided evolution with runtime-guided refinement informed by execution outcomes observed under runtime defense. Each runtime-guided revision returns to the pre-execution stage for rescanning and further optimization before re-execution, forming a cross-stage closed loop. Evaluated on SkillsBench across four victim models, SkillDRE achieves an average attack success rate of 45.28%, exceeding the strongest baseline by 40.3%, while its final submitted skills receive no SkillScan findings and largely preserve benign-task performance. These results show that two-stage defense feedback can serve as a useful learning signal for adaptive red teaming and that evaluating either defense stage in isolation can miss the resulting attack capability. Codes is available at https://github.com/whfeLingYu/SkillDRE
- Abstract（参考訳）: エージェントスキル パッケージインストラクション、実行可能なコード、タスク固有のリソースを、エージェントが実行フィードバックを使って改善できる再利用可能なアーティファクトに変換する。
同じメカニズムにより、攻撃者は悪意のあるスキルを進化させ、より効果的で検出しにくくする。
しかし、実行前のスキャンをパスする候補スキルは実行時の防御下でターゲットを達成できないが、実行を修復するリビジョンでは新しいスキャナーの発見がもたらされる可能性がある。
SkillDREは、デュアルステージフィードバックループを通じて、完全な悪意のあるスキルパッケージを進化させるための、完全に自動化されたフレームワークである。
良心的なタスクとその関連スキルを与えられたSkillDREは、タスク条件の悪質な目的と検証可能な判断ルールを自律的に構築し、検証する。
そして、適切なタスク能力を維持しながら、スキル実装を進化させながら、両方の固定を保ちます。
SkillDREは、スキャナ誘導の進化とランタイム防御下で観察された実行結果によって通知されるランタイム誘導の洗練を組み合わせている。
各ランタイム誘導リビジョンは、再実行前に再実行とさらなる最適化のために事前実行段階に戻り、クロスステージのクローズドループを形成する。
SkillDREは4つの犠牲者モデルでSkillsBenchを評価し、平均攻撃成功率は45.28%であり、最強のベースラインを40.3%上回っている。
これらの結果から,2段階の防衛フィードバックは,適応的なレッドチーム編成のための有用な学習信号として機能し,どちらの防衛段階を単独で評価しても,攻撃能力を欠く可能性が示唆された。
Codesはhttps://github.com/whfeLingYu/SkillDREで入手できる。
関連論文リスト
- Stealth Apart, Harm Together: Skill Cascading Attacks on Skill-Based Agent Systems [79.08507314067253]
スキルカスケード攻撃では、悪意のある目的が複数のスキルに分散され、それぞれの変更が独立して良さそうに見えるが、それらの組み合わせの実行は有害である。
本研究は, コンポーネントレベルの完全性とシステムレベルの安全性のギャップを浮き彫りにし, 個別のスキルではなく, クロススキルの相互作用を理由とする防御を呼び掛けた。
論文 参考訳（メタデータ） (2026-09-24T18:00:18Z) - Defense-as-Skill: Evolving Runtime Guard Skill for Skill-Augmented Agents [30.77975669386977]
我々は、ランタイムガード自体をインストール可能で、検査可能で、編集可能なスキルとして実装する防衛パラダイムであるDefense-as-Skillを提案する。
私たちのガードであるSkillSonarは、ユーザのタスク境界に対するセンシティブなアクションをチェックし、各アクションを許容、再計画、確認決定にルーティングします。
論文 参考訳（メタデータ） (2026-09-01T16:19:31Z) - Write, Execute, Refine: From Skill Followers to Skill Optimizers via Reinforcement Learning from Execution Feedback [52.78692582507693]
専門家による自然言語スキルは、ツール使用エージェントを改善することができるが、エージェントによるスキルは、スキルを使用しないよりも8-11ポイント悪い。
本研究では,中間的スキルから実行経験を訓練状態に整理する方法について検討する。
論文 参考訳（メタデータ） (2026-08-18T09:52:48Z) - SkillTV-Bench: Benchmarking How Well Judges Perform on Skill-Augmented Agentic Execution [9.695442380430157]
LLMエージェントは、ツールの使用や環境相互作用を通じて、より長い水平タスクを実行し、最終応答スコアから完全な実行の検証へと評価をシフトする。
我々はSkillTV-Benchについて紹介する。SkillTV-Benchは、11のドメインにまたがる50のタスクから、681ケースの実際のエージェントトラジェクトリのベンチマークである。
また,再利用可能な判断スキルとして検証知識を外部化するSkillTV-Evolveを提案する。
論文 参考訳（メタデータ） (2026-08-06T03:52:37Z) - SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use [21.05387636058484]
SkillCoachは、エージェントのスキル使用を評価し、強化するための自己進化フレームワークである。
実際のロールアウトから熟練したプロセスルーブリックを導き、四次元に沿って軌道を評価する。
外部検証器を別個の結果信号として保持し、プロセス品質を偶然のタスク成功と区別できるようにする。
論文 参考訳（メタデータ） (2026-07-02T08:28:51Z) - SkillAudit: Ground-Truth-Free Skill Evolution via Paired Trajectory Auditing [81.51044612408793]
SkillAuditは、地味なフィードバックなしにエージェントスキルを進化させるフレームワークである。
行動の違いを編集指導に変換するために、SkillAuditはProcess-Aligned Contrastive Evaluationを使用する。
Refineはノイズや無関係なガイダンスを広く有用なスキルから取り除き、修復はタスクと競合するパスを置き換える。
論文 参考訳（メタデータ） (2026-06-12T08:20:09Z) - Proteus: A Self-Evolving Red Team for Agent Skill Ecosystems [0.0]
エージェントスキルは実行可能な振る舞いとコンテキスト設定ドキュメンテーションの両方を公開する。
現実的な攻撃者は、監査と実行時のフィードバックを使って、繰り返しスキルを書き直すことができる。
Proteusは形式化された5軸スキルアタックスペースを検索する。
論文 参考訳（メタデータ） (2026-05-12T10:05:54Z) - EmbodiSkill: Skill-Aware Reflection for Self-Evolving Embodied Agents [28.518726581654743]
エージェントは、さまざまな環境にわたるオブジェクト検索、アクション実行、状態変更をガイドするスキルの恩恵を受けることができる。
既存のスキル自己進化法は主にデジタル環境で開発されている。
エボディスキル(EmbodiSkill)は、スキルの自己進化を具現化するためのトレーニング不要のフレームワークである。
論文 参考訳（メタデータ） (2026-05-11T10:33:29Z) - SkillGen: Verified Inference-Time Agent Skill Synthesis [60.927977774369516]
SkillGenは、ベースエージェントによって生成されたトラジェクトリから単一の監査可能なスキルを合成するフレームワークである。
再利用可能な成功パターン、繰り返し発生する障害モード、そして近くの成功に現れるが失敗に欠ける行動を特定する。
SkillGenの重要な特徴は、エージェントスキルを、全体的なパフォーマンスに対するスキルのネット効果を実証的に検証するための介入としてモデル化することです。
論文 参考訳（メタデータ） (2026-05-09T19:24:11Z) - SkillOS: Learning Skill Curation for Self-Evolving Agents [67.94374107466957]
本稿では,自己進化エージェントのスキルキュレーションを学習するための,経験駆動型RLトレーニングレシピであるSkillOSを提案する。
SkillOSは、凍結したエージェントエグゼキュータとトレーニング可能なスキルキュレーターを組み合わせて、蓄積したエクスペリエンスから外部SkillRepoを更新する。
SkillOSは、メモリフリーと強力なメモリベースラインを、有効性と効率の両方で一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2026-05-07T17:31:50Z) - SkillJect: Automating Stealthy Skill-Based Prompt Injection for Coding Agents with Trace-Driven Closed-Loop Refinement [120.52289344734415]
エージェントスキルに適したステルスプロンプトインジェクションのための自動フレームワークを提案する。
フレームワークは、明示的なステルス制約の下でインジェクションスキルを合成するアタックエージェント、インジェクションされたスキルを使用してタスクを実行するコードエージェント、アクショントレースをログする評価エージェントの3つのエージェントでクローズドループを形成する。
本手法は,現実的な環境下で高い攻撃成功率を達成する。
論文 参考訳（メタデータ） (2026-02-15T16:09:48Z)
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。