- 论文公开站arXiv
A2M：MCP生态中基于轨迹优化的智能体劫持
A2M: Trace-Optimized Agent Hijacking in the MCP Ecosystem
摘要显示，使用MCP协议的智能体依赖语义匹配从第三方服务器选择工具，攻击者可通过控制元数据与输出实施语义供应链攻击。作者提出A2M两阶段黑盒框架：Attraction阶段优化工具元数据以提高调用概率，Manipulation阶段利用执行轨迹精炼对抗性工具返回，引导智能体产生攻击者期望结果。在LiveMCPBench上，针对GLM-4.6优化的直接攻击在四个场景中恶意工具调用率达93.6%，认知拒绝服务下加权token成本升至基线32.4…
意义：揭示MCP工具选择机制的供应链风险，提醒开发者在工具审核与运行时隔离上加强防护。
- 资讯公开站IEEE Spectrum Robotics
AI 时代重新思考机器人安全
Rethinking Robot Safety in the Age of AI
随着 AI 与机器人技术快速发展，现代机器人通过多模态传感器感知环境、用 AI 模型理解情境并转化为物理行动。传统安全评估关注故障时的安全性，而物理 AI 带来新问题：当攻击者篡改机器人所见、所听或决策依据时，即使没有明显故障，机器人是否仍能保持安全？文章指出，这种对数据完整性的依赖可能产生传统评估无法捕捉的风险。
意义：提醒开发者与AI行业：机器人安全评估需从传统故障安全扩展到对抗性数据攻击与物理AI的决策完整性。