論文の概要: CoRedSkill: Stealthy Skill Composition Attacks via AST-Guided Injection
- arxiv url: http://arxiv.org/abs/2610.20049v1
- Date: Wed, 14 Oct 2026 11:52:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.130246
- Title: CoRedSkill: Stealthy Skill Composition Attacks via AST-Guided Injection
- Title（参考訳）: CoRedSkill:AST-Guided Injectionによるステルススキルコンポジションアタック
- Abstract要約: CoRedSkill(コレッドスキル)は、協力するスキルを通じてステルス攻撃を発生させる構成的赤チーム方式である。
我々は50のタスクと3つの攻撃目標をカバーする150のケースのベンチマークを構築し、攻撃成功、タスク完了、監査検出を評価した。
- 参考スコア（独自算出の注目度）: 24.65664648193618
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agents extend their capabilities through reusable skills that package instructions, executable code, and resources. Composing these skills enables complex task workflows, but their dependencies can also connect malicious operations across skills, making their combined intent difficult to identify through individual-package auditing. We introduce CoRedSkill, a compositional red-teaming method that forms stealthy attacks through cooperating skills while preserving their original utility. CoRedSkill decomposes an existing workflow into interdependent skills and embeds attack operations in task functions through abstract syntax tree (AST) rewriting, with skill instructions guiding the agent to autonomously select and invoke the relevant skills, and workflow dependencies and intermediate artifacts connecting the injected operations during task execution. We construct a benchmark of 150 cases covering 50 tasks and three attack objectives to evaluate attack success, task completion, and audit detection. In the main evaluation, CoRedSkill achieves 98.0% attack success and 95.3% task success with a 3.3% detection rate, and a joint success rate of 90.7% (attack success, task completion, and audit evasion in the same case) compared with 6.7--42.7% for the four baselines. Skill compositions can therefore complete legitimate tasks while carrying out unauthorized operations that evade auditing.
- Abstract（参考訳）: エージェントは、命令、実行可能なコード、リソースをパッケージングする再利用可能なスキルを通じて、その能力を拡張します。
これらのスキルを構成することで複雑なタスクワークフローが可能になるが、その依存関係はスキル間で悪意ある操作を接続することも可能であり、統合された意図は個々のパッケージ監査を通じて識別することが困難になる。
我々は,CoRedSkillを紹介した。CoRedSkillは,オリジナルのユーティリティを保ちながら,協調的なスキルを通じてステルス攻撃を発生させる構成的リピート方式である。
CoRedSkillは既存のワークフローを相互依存のスキルに分解し、抽象構文木(AST)書き換えを通じてタスク機能にアタック操作を組み込む。
我々は50のタスクと3つの攻撃目標をカバーする150のケースのベンチマークを構築し、攻撃成功、タスク完了、監査検出を評価した。
主な評価では、CoRedSkillは攻撃成功率98.0%、タスク成功率95.3%、検出率3.3%、共同成功率90.7%(攻撃成功、タスク完了、監査回避)を4つのベースラインで6.7-42.7%と比較した。
したがって、スキル・コンポジションは監査を回避する未許可の操作をしながら、正当なタスクを完遂することができる。
関連論文リスト
- Encrypted Skills Can Become New Security Exploits If AI Agents Know How to Decipher [52.39206752229672]
サードパーティのスキルは、LLMエージェントをエンコーディングによって隠された悪意のある命令に公開することができる。
本稿では,Ciphered Skill Injection (CSI)を紹介した。
8種類のモデルと139種類のインジェクション・タスク・ペアで,CaesarおよびLayered variantを評価した。
論文 参考訳（メタデータ） (2026-10-13T12:25:46Z) - SkillHorizon: Constructing Long-Horizon Agent Tasks through Skill Composition [52.51270668013944]
ロングホライゾンエージェントは、後のアクティビティが以前の出力と共有状態の変更に依存するように完了しなければならない。
SkillHorizonは、7つのビジネス環境でのスキル構成を通じて長期タスクを構築するベンチマークである。
我々は,64Kから1Mトークンの参照インタラクションワークロードを用いた1,050タスクの5つの言語モデルを評価する。
論文 参考訳（メタデータ） (2026-10-10T14:36:39Z) - APEX-Harm: Evaluating Agent Safety in Shared Professional Workspaces [81.48656398420874]
我々は、金融、コンサルティング、法的タスクを行うエージェントに対して、プロンプトとスクリプトインジェクションを評価するためのベンチマークであるAPEX-Harmを紹介する。
各タスクには、メール、カレンダー、チャット、ドキュメント、スプレッドシート、PDF、コード実行ツールとともに、115から328のファイルが含まれている。
ベンチマークには、静的および動的インジェクション、タスク固有のスクリプト置換、アタッカーが提供するジェネリックスクリプトを含む6つのアタックカテゴリが含まれている。
論文 参考訳（メタデータ） (2026-10-09T14:05:47Z) - Understanding and Mitigating Cross-Session Attacks via Persistent Artifacts in Agent Skill Composition [19.049136616324034]
我々は,スキルベースAIエージェントにおけるクロスセッション・コンポジション・アタックを調査し,それに対するランタイム・ディフェンスを開発する。
具体的には、インストラクションプロパゲーション(IP)、データ境界ヴァイオレーション(DBV)、エビデンス中毒(EP)の3つの攻撃メカニズムを特徴付ける。
SkillRelayGuardは、ASR全体の69.5%から10.9%に、ACSRは54.8%から10.0%に減少し、正当なタスク完了率は79.6%から87.5%に増加した。
論文 参考訳（メタデータ） (2026-10-09T08:45:27Z) - Chaining Skills to Hijack LLM Agents [13.991514285520788]
LLMエージェントは、特定のタスクのパフォーマンスを改善するためにスキルを使用する。
スキルはオープンソースリポジトリから生まれる可能性があるため、このハンドオフはアタッカーが管理するクレームを後から行うことができる。
本稿では,ユーザタスクやアタッカーが選択したアクションに合わせて,敵のスキルチェーンを構築し,洗練するAPEXを紹介する。
論文 参考訳（メタデータ） (2026-10-01T12:28:49Z) - MMSkillRisk: Can Agents Stay Safe When Multimodal Skills Become Traps? [20.554629787408754]
我々はMMSkillRiskを紹介した。MMSkillRiskは、マルチモーダルスキルにおける画像による攻撃のエンドツーエンド安全性評価のための最初のベンチマークである。
28のキュレートされたクリーンスキルから構築されたMMSkillRiskには、36のアタックパッケージと、5つのアタック目標にまたがる108の実行可能なケースが含まれている。
攻撃成功率は36.5%で、GPT-5.6-solは72.2%、Codexは72.2%だった。
論文 参考訳（メタデータ） (2026-09-28T08:07:45Z) - TRUSS: Towards Task-Reliable and User-Safe Automated Agent Skill Generation [13.298401993417611]
TRUSSは、機能的で安全性の高いエージェントスキルを生成するためのエビデンスガイド付きフレームワークである。
我々は,SkillGenBenchの168個のSkillInjectアーティファクト,155個のSkillSafetyBenchケース,および187個のタスクについてTRUSSを評価した。
スキル生成では、TRUSSはタスク効率を17.11%から52.94%に引き上げ、ベンチマークセキュリティ率は50.80%から100.00%に向上した。
論文 参考訳（メタデータ） (2026-08-18T09:52:57Z) - Demystifying Agent Skills: Why They Work-Until They Don't [58.92875630998418]
既存の評価は、スキルが集約されたタスクの成功を改善するかどうかを主に測定する。
我々は、表現、結果アノテーション、検索難易度、スキルのクロスフレームワークの影響を分離する。
我々はこれらの観察を3つの高レベルカテゴリと12のスキルユースモードの分類に集約する。
論文 参考訳（メタデータ） (2026-08-14T07:26:38Z) - 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) - SkillAttack: Automated Red Teaming of Agent Skills through Attack Path Refinement [66.44008181092832]
LLMベースのエージェントシステムは、その能力を拡張するためにオープンレジストリからのエージェントスキルにますます依存している。
SkillAttackは、敵のプロンプトを通じて、スキル脆弱性の脆弱性を検証できるフレームワークである。
論文 参考訳（メタデータ） (2026-04-05T06:25:11Z)
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。