論文の概要: MetaCascade: End-to-End Attacks on Agent Skills via Metadata-Only Poisoning
- arxiv url: http://arxiv.org/abs/2610.14836v1
- Date: Sat, 10 Oct 2026 11:53:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 11:35:30.433614
- Title: MetaCascade: End-to-End Attacks on Agent Skills via Metadata-Only Poisoning
- Title（参考訳）: MetaCascade:Metadata-Only Poisoningによるエージェントスキルのエンドツーエンド攻撃
- Abstract要約: エンド・ツー・エンドのメタデータのみの有害なフレームワークであるMeta Cascadeを提案する。
多様な悪意のあるスキル候補を生成し、タスクとブラックボックスのコンペティションフィードバックを使用して、それらの間の競合関係を分析する。
最先端の攻撃性能を達成し、平均攻撃成功率(ASR)と平均攻撃成功率(ASR)を4つの防御条件下で達成する。
- 参考スコア（独自算出の注目度）: 10.536242771363733
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As a key extension mechanism for agent systems, Agent Skills package specialized capabilities for reuse by LLM agents. An agent first retrieves candidate skills based on skill documentation and then relies on their metadata to make the final selection. As third-party skills proliferate on insufficiently vetted open registry platforms, the security risks posed by malicious skills become increasingly prominent, but existing attack research still focuses primarily on the potential harm caused after their execution. The limited related studies typically examine skill retrieval or selection in isolation and have yet to cover a complete end-to-end attack chain. To address this research gap, we find an end-to-end attack surface arising from the process-wide influence of metadata. Based on this finding, we propose MetaCascade, an end-to-end metadata-only poisoning framework. MetaCascade first generates diverse malicious skill candidates through multi-view semantic expansion, then uses tasks and black-box competition feedback to analyze the competitive relationships among malicious candidate skills and iteratively optimize malicious metadata, thereby improving the target skill's end-to-end attack effectiveness. Under a unified evaluation setting spanning four datasets and two agents, Hermes and OpenClaw, MetaCascade achieves state-of-the-art attack performance, with its average attack success rate (ASR) and its average ASR under four defense settings exceeding the strongest baselines under the corresponding settings by 35.53 and 34.65 percentage points, respectively. Our code is provided in the supplementary material.
- Abstract（参考訳）: エージェントシステムの重要な拡張メカニズムとして、Agent SkillsパッケージはLLMエージェントによる再利用に特化している。
エージェントはまず、スキルドキュメンテーションに基づいて候補スキルを検索し、次にそのメタデータに頼って最終選択を行う。
サードパーティのスキルが十分に検証されていないオープンレジストリプラットフォーム上で増大するにつれ、悪意のあるスキルによって引き起こされるセキュリティリスクはますます顕著になるが、既存の攻撃研究は、実行後に発生する潜在的な害に重点を置いている。
限られた関連研究は、通常、単独でスキル検索や選択を調査し、完全なエンドツーエンド攻撃チェーンをカバーしていない。
この研究ギャップに対処するため、プロセス全体のメタデータの影響から、エンド・ツー・エンドの攻撃面が生じる。
そこで本研究では,メタデータのみの有害なフレームワークであるMetaCascadeを提案する。
MetaCascadeはまず、マルチビューセマンティック展開を通じて多様な悪意あるスキル候補を生成し、次にタスクとブラックボックスの競合フィードバックを使用して、悪意のある候補スキル間の競合関係を分析し、悪意のあるメタデータを反復的に最適化することで、ターゲットスキルのエンドツーエンド攻撃の有効性を向上させる。
4つのデータセットと2つのエージェント、HermesとOpenClawにまたがる統一された評価設定の下で、MetaCascadeは、平均攻撃成功率(ASR)と平均ASRをそれぞれ35.53と34.65のパーセンテージで最強のベースラインを超える4つの防御条件で、最先端の攻撃性能を達成する。
私たちのコードは補足材料で提供されます。
関連論文リスト
- SEEK: Agentic Knowledge Graph Retrieval for Secure Code Generation [52.549964800555124]
大きな言語モデル(LLM)は、悪用可能なセキュリティ脆弱性を導入しながら、機能的に正しいコードを生成することができる。
本稿では,セキュリティ知識グラフを構成するセキュアコード生成のためのエージェントグラフRAGフレームワークであるSEEKを提案する。
我々は、C、C++、PythonにまたがるCodeGuard+とCyberSecEvalの配布外設定でSEEKを評価した。
論文 参考訳（メタデータ） (2026-10-10T14:37:22Z) - 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) - CyberFactory: Scaling Cyber Security Capabilities with Instances from the Wild [49.44069582581181]
CyberFactoryは、CVEを含む公開脆弱性アーティファクトをワイルドから実行可能で検証可能なタスクインスタンスに変換する。
再利用可能な脆弱性分析スキルを使用して、ソースインスペクション、ドメイン前の問題解決、エビデンスベースのバリデーションを通じて教師を指導する。
CyberGymでは1時間の予算で52.4%のPass@1に達し、Qwen3.5ベースモデルを+22.8ポイント改善した。
論文 参考訳（メタデータ） (2026-08-24T12:30:10Z) - When Agents Act on Web3: An Attack-Surface Survey of MCP, Skills, and Tool Calling [9.566535604762787]
この調査では、このレイヤの4つの特性(可逆性、署名権限、継続的自律性、シーケンスレベルの構成)が、脅威モデルを質的に変更すると主張している。
我々は,断片化されたMPPセキュリティ文献を攻撃面の分類に整理し,Web3リスクマッピングマトリックスに寄与する。
新たなブロックチェーンベースのメカニズムを含む防衛機能を合成して、改善はしたものの不十分なものを見つけます。
論文 参考訳（メタデータ） (2026-08-18T02:04:58Z) - ColluSkill: Adversarial Cross-Skill Composition for Evading Agent Skill Scanners [23.03858552822385]
LLMベースのエージェントシステムにおいて,エージェントスキルが重要な攻撃面として浮上している。
現在の防衛は、主に個々のスキルを検査し、クロススキル構成からのリスクを十分に検査する。
完全悪意のある意図を相互依存サブペイロードに分解する,コルーシブなマルチスキルチェーンアタックフレームワークであるColruSkillを提案する。
論文 参考訳（メタデータ） (2026-08-10T15:32:44Z) - SkillHarm: Lifecycle-Aware Skill-Based Attacks via Automated Construction [89.03272793385054]
エージェントスキルはエージェントワークフローにおける特権的な位置を占め、サードパーティスキルを脆弱な攻撃面にする。
我々はスキルベースアタックのベンチマークであるSkillHarmを紹介した。
攻撃成功率はFPPが86.3%、SMPが69.3%である。
論文 参考訳（メタデータ） (2026-06-01T17:45:39Z) - Under the Hood of SKILL.md: Semantic Supply-chain Attacks on AI Agent Skill Registry [49.83108591873481]
SKILL.md - エージェントスキルライフサイクルの3つのステージを対象とするアタックのみを調査する。
SKILL.mdは受動的ドキュメントではなく、サードパーティのエージェントが発見し、信頼し、使用する機能を形成する運用テキストであることを示す。
論文 参考訳（メタデータ） (2026-05-12T02:11:54Z) - Prompt Injection Attacks on Agentic Coding Assistants: A Systematic Analysis of Vulnerabilities in Skills, Tools, and Protocol Ecosystems [0.0]
本稿では,エージェント・コーディング・アシスタントを対象としたインジェクション・アタックの包括的解析を行う。
メタアナリシスは78の最近の研究から得られた知見を合成する。
以上の結果から,セキュリティコミュニティはプロンプトインジェクションを第一級脆弱性クラスとして扱う必要があることが示唆された。
論文 参考訳（メタデータ） (2026-01-24T18:39:21Z) - Simple Yet Effective: Extracting Private Data Across Clients in Federated Fine-Tuning of Large Language Models [34.4473331513019]
FedLLMs(FedLLMs)のフェデレートされた微調整は、機密ドメインにおけるデータのプライバシを保ちながら、強力なモデルパフォーマンスを達成するための有望なアプローチを示す。
本稿では,FedLLMに特化して設計された簡易かつ効果的な抽出攻撃アルゴリズムを提案する。
実験結果から,最も脆弱なカテゴリーは,被害者排他的PIIの56.57%,"Address","Birthday","Name"であった。
論文 参考訳（メタデータ） (2025-06-06T13:13:29Z) - AgentVigil: Generic Black-Box Red-teaming for Indirect Prompt Injection against LLM Agents [54.29555239363013]
本稿では,間接的なインジェクション脆弱性を自動的に検出し,悪用するための汎用的なブラックボックスファジリングフレームワークであるAgentVigilを提案する。
我々はAgentVigilをAgentDojoとVWA-advの2つの公開ベンチマークで評価し、o3-miniとGPT-4oに基づくエージェントに対して71%と70%の成功率を達成した。
攻撃を現実世界の環境に適用し、悪質なサイトを含む任意のURLに誘導するエージェントをうまく誘導する。
論文 参考訳（メタデータ） (2025-05-09T07:40:17Z)
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。