**SkillJack：自我进化Agent的持久技能后门攻击**

_SkillJack: Persistent Skill Backdoors in Self-Evolving Agents_

> HuggingFace Daily Papers 热文揭示自我进化Agent的新安全风险：攻击者可通过污染交互经验，利用Agent自身的技能提取流程植入恶意行为。研究发现，经过技能提取后，攻击可检测率从98.5%骤降至11.4%，而攻击成功率仍达56%-89%。更严重的是，80%的恶意技能在删除原始污染记录后依然存活，且可能意外触发于正常查询。该研究呼吁建立基于来源追踪的技能生命周期防护机制。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.03509)