论文将运行时防护做成可进化技能，并报告攻击成功率明显下降。
资讯摘要
论文提出 Defense-as-Skill 范式，将运行时防护本身实现为可安装、可检查、可编辑的技能。其防护组件 SkillSonar 与不可信任务技能并行运行，依据用户任务边界检查敏感操作，并给出允许、重规划或确认三种决策，且不修改底层 agent 运行时。作者构建 SCOPE-R 数据集，并用蒙特卡洛树搜索进化防护技能；作者报告在 Claude Code 与 OpenClaw 上攻击成功率下降。
要点速读
- SkillSonar 以技能形式实现运行时防护，对敏感操作输出允许、重规划或确认决策，无需改动 agent 运行时。
- SCOPE-R 数据集覆盖 6 类风险、21 个子类，含 206 个攻击确认的恶意实例与 43 个良性任务。
- 作者用基于 rollout 反馈的蒙特卡洛树搜索进化磁盘上的防护技能；在 GLM-5 重复运行中，ID ASR 从 0.482 降至 0.104，OOD ASR 从 0.606 降至 0.115。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。