Micropaper
·
一分钟读论文：《自动合成多智能体漏洞发现方案》
内容提要
加州大学圣塔芭芭拉分校的研究者提出了AgentFlow框架，该框架利用类型化图DSL自动合成多智能体协作方案，成功在Google Chrome中发现了10个未知零日漏洞。通过反馈驱动的优化，该框架提升了漏洞发现的效率，证明了自动生成的协作方案能够发现传统方法遗漏的安全问题。
关键要点
-
加州大学圣塔芭芭拉分校的研究者提出了AgentFlow框架，利用类型化图DSL自动合成多智能体协作方案。
-
AgentFlow在Google Chrome中发现了10个未知零日漏洞，包括2个Critical级别的沙箱逃逸漏洞。
-
多智能体系统在漏洞发现等安全任务中表现优异，但传统的协作方案通常需要手动编写，耗时且难以穷尽所有可能。
-
AgentFlow通过定义搜索空间和运行时反馈驱动的外层循环，自动诊断和重写harness，提升了漏洞发现的效率。
-
AgentFlow的反馈驱动外层循环是其关键创新，能够精确定位harness中的失败环节，进行闭环优化。
-
研究表明，harness的设计对成功率的影响可以超过数倍，AgentFlow将其从手工艺术转变为自动化工程。
延伸问答
AgentFlow框架的主要功能是什么？
AgentFlow框架利用类型化图DSL自动合成多智能体协作方案，提升漏洞发现效率。
AgentFlow在Google Chrome中发现了哪些漏洞？
AgentFlow在Google Chrome中发现了10个未知零日漏洞，包括2个Critical级别的沙箱逃逸漏洞。
传统的多智能体协作方案存在哪些问题？
传统的协作方案通常需要手动编写，耗时且难以穷尽所有可能，成功率受限。
AgentFlow的反馈驱动外层循环有什么创新之处？
AgentFlow的反馈驱动外层循环能够精确定位harness中的失败环节，进行闭环优化。
如何评估AgentFlow的实际安全影响？
AgentFlow在两个场景中评估，TerminalBench-2和Google Chrome，成功发现多个未知漏洞，证明其安全价值。
AgentFlow如何改变harness的设计方式？
AgentFlow将harness设计视为一个可搜索、可优化的问题，从手工艺术转变为自动化工程。
