Bagong Panganib sa Seguridad ng AI Agent: Ang Memory Poisoning ay Maaaring Mag-trigger ng Hindi Pinahihintulutang Operasyon sa Pondo

iconChaincatcher
I-share
Share IconShare IconShare IconShare IconShare IconShare IconCopy
AI summary iconSummary

expand icon
Lumalaki ang mga alalahanin tungkol sa pagpapatakbo ng panganib habang inilahad ng koponan ng GoPlus Security ang isang bagong banta ng AI sa kanilang proyektong AgentGuard. Maaaring gamitin ng mga mananakop ang memory poisoning upang manipulahin ang mga AI agent upang gawin ang hindi awtorisadong paggalaw ng pondo. Sa pamamagitan ng pagtatanim ng mga memorya batay sa pagpili, maaaring i-trigger ng mga mananakop ang mga aksyon gamit ang mga malabo na utos. Ang pangunahing isyu ay ang pagkakamali ng mga agent na itinuturing ang mga entry sa memorya bilang awtorisasyon, na maaaring magdulot ng pagkabigo sa pagtataya ng ratio ng panganib hanggang sa kita sa automated na pagtinda. Upang mabawasan ang eksposur, inirerekomenda ng GoPlus na hingin ang eksplisitong pagpapahintulot para sa mga sensitibong aksyon, ituring ang mga input batay sa memorya bilang mataas na panganib, at siguraduhin na lahat ng mga entry sa pangmatagalang memorya ay maaring masuri. Dapat magkaroon ng mas mataas na antas ng panganib ang malalabong utos, at hindi dapat palitan ang real-time na awtorisasyon ng mga naka-store na pagpili.

Ayon sa ChainCatcher, inilahad ng team ng GoPlus Security ang isang bagong uri ng pag-atake sa kanilang proyektong AgentGuard AI: ang paggamit ng “memory poisoning” upang hikayatin ang AI agent na gawin ang mga sensitibong aksyon na walang eksplisitong pahintulot. Ang paraan ng pag-atake ay hindi nakasalalay sa tradisyonal na vulnerabilities o masamang code, kundi sa mekanismo ng pangmatagalang memorya ng AI agent. Halimbawa, unang hikayat ng attacker ang agent na “tandaan ang preferensya,” tulad ng “karaniwang prioritizahin ang aktibong refund kaysa maghintay sa chargeback,” at pagkatapos ay gamitin ang mga ambigong pahayag tulad ng “gawin ayon sa karaniwan” o “gawin ayon sa nakaraang paraan” upang i-trigger ang awtomatikong financial operation. Ipinahiwatig ng GoPlus na ang pangunahing panganib dito ay ang pagkakamali ng AI agent na isasabing ang “kasaysayang preferensya” ay isang pahintulot, na nagdudulot ng pagkawala ng pera o security incident sa mga operasyon tulad ng refund, transfer, at pagbabago ng configuration. Para sa problema na ito, inirerekomenda ng team ang mga sumusunod na pagsisikap sa pagprotekta: · Dapat magkaroon ng eksplisitong pagkumpirma sa kasalukuyang sesyon para sa anumang operasyon na may kinalaman sa refund, transfer, deletion, o sensitibong configuration · Dapat ituring na mataas ang panganib ang anumang utos na may kinalaman sa “karaniwan,” “paraan noon,” o “gawin na lang” · Dapat magkaroon ng mekanismo ng pagtatala sa pangmatagalang memorya (tagapag-imbak, oras, at kung kinumpirma) · Dapat awtomatikong i-increase ang antas ng panganib at i-trigger ang pangalawang veripikasyon para sa mga ambigong utos · Hindi dapat palitan ng pangmatagalang memorya ang proseso ng real-time na pahintulot. Teknikal na binigyang-diin ng team na dapat ituring ang “system ng memorya ng AI agent” bilang potensyal na attack surface at dapat itong limitahan at i-audit gamit ang espesyalisadong security framework.

Disclaimer: Ang information sa page na ito ay maaaring nakuha mula sa mga third party at hindi necessary na nagre-reflect sa mga pananaw o opinyon ng KuCoin. Ibinigay ang content na ito para sa mga pangkalahatang informational purpose lang, nang walang anumang representation o warranty ng anumang uri, at hindi rin ito dapat ipakahulugan bilang financial o investment advice. Hindi mananagot ang KuCoin para sa anumang error o omission, o para sa anumang outcome na magreresulta mula sa paggamit ng information na ito. Maaaring maging risky ang mga investment sa mga digital asset. Pakisuri nang maigi ang mga risk ng isang produkto at ang risk tolerance mo batay sa iyong sariling kalagayang pinansyal. Para sa higit pang information, mag-refer sa aming Terms ng Paggamit at Disclosure ng Risk.