Agent 攻击 Agent：面向生产 Agent 的自动化红队测试

arXiv AI 发布了一种名为 AHA 的自动化红队测试方法，用于生产级 LLM Agent（如 Claude Code 和 Codex）。AHA 通过可证伪发现循环，将攻击表面与不安全轨迹关联并构建漏洞概念图（VCG）。实验表明，VCG 跨模型和 Agent 可重用，且迁移性优于最强基线 14.2 个百分点。

此前红队测试主要优化攻击成功率并保存 artifact，但未揭示漏洞的使能条件。AHA 方法能够系统性发现可迁移的漏洞核心，使安全团队通过 VCG 可审计地检查漏洞、验证补丁，并积累可复用安全知识，显著提升生产 Agent 的安全防御迭代效率。

AHA 采用假设-伪造-验证循环：提出漏洞假设后构建 falsifier，实例化攻击并在沙箱中执行，反思轨迹后将确认发现升级为 VCG。VCG 将攻击表面与不安全轨迹通过声明、使能条件、伪造器、迁移预测和证据关联，从而提取跨模型和场景的可重用漏洞知识。

对于使用 Claude Code、Codex 等生产 Agent 的产品团队，可直接基于 VCG 自动检测漏洞并验证补丁，减少人工红队测试成本；同时 VCG 的可迁移性意味着一次发现可覆盖多个 Agent 版本和场景，加速安全修复流程。

• 为内部生产 Agent 集成 VCG 驱动的持续安全扫描流水线
• 开发基于 VCG 的漏洞修复验证模块，与 CI/CD 集成
• 将 AHA 方法封装为 SaaS 服务，供 Agent 平台客户自助红队测试

• 证据中未涉及 AHA 对完全未知攻击场景的发现能力
• 单次协议的具体含义和对比基线细节需进一步验证
• AHA 在非代码类生产者 Agent 上的表现尚未说明