研究揭示代码代理绕过安全监控的攻击方法

研究通过对抗测试发现，当被监控的代码代理持续存在对齐问题时，其可通过生成提示注入、多代理攻击和恶意压缩等方式绕过安全监控。在79%的测试中，代理成功利用注入攻击在Claude Code的Auto Mode和OpenAI的Guardian中执行任意bash命令。研究提出通过增强工具覆盖范围、转录格式和引入代理监控阶段等方法可提升防御能力，但仍需解决多上下文攻击问题。