arXiv · cs.AI· Chaofan Li, Lyuye Zhang, Jintao Zhai, Siyue Feng, Xichun Yang, Huahao Wang, Shihan Dou, Yu Ji, Yutao Hu, Yueming Wu, Yang Liu, Deqing Zou·· 6 小时前
Agent-BOM用统一图表示支持LLM智能体安全审计
Towards Security-Auditable LLM Agents: A Unified Graph Representation
arXiv:2605.06812v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chaofan Li, Lyuye Zhang, Jintao Zhai, Siyue Feng, Xichun Yang, Huahao Wang, Shihan Dou, Yu Ji, Yutao Hu, Yueming Wu, Yang Liu, Deqing Zou
研究任务与主要进展
Chaofan Li等人提出Agent-BOM，以分层有向图统一表示LLM智能体的模型、工具、长期记忆、目标、推理轨迹和动作，并用语义边与安全属性构建可查询的审计路径。论文进一步提出基于图查询的路径级风险评估方法，结合OWASP Agentic Top 10在OpenClaw中实现审计插件；基于论文摘要，实验覆盖了跨会话记忆 poisoning、工具滥用、供应链劫持、多智能体生态劫持等攻击场景。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org