新研究：单次提示注入可致AI智能体递归执行，放大资源消耗达51倍

arXiv预印本论文《Mobius Injection》介绍了一种新型攻击范式，将自主大语言模型（LLM）智能体武器化为僵尸节点，以发起基于和面向智能体的分布式拒绝服务（AbO-DDoS）攻击。该研究由Zi Liang等研究人员完成，于2026年10月19日更新版本。

传统安全研究多关注LLM或智能体在孤立环境下的风险，而该工作揭示了智能体作为用户与服务之间“枢纽”的系统性风险。其核心机制被称为“语义闭合”（Semantic Closure），通过结合已知的间接提示注入与持久化智能体组件，使单次恶意输入触发智能体内部的持续递归执行。这种攻击对攻击者而言轻量且隐蔽，能够绕过针对低误报率校准的传统体积式DDoS监控器和输入过滤器。

实验结果显示，在三种代表性爪式智能体和三种主流编码智能体中集成12个前沿专有或开源权重LLM后，该攻击实现了显著的破坏力。单节点调用放大倍数最高可达51.0倍。在多节点协同压力下，每个受感染节点在共享的五GPU后端上仍会消耗约123k至127k个令牌；良性请求延迟增加约23至24倍，最终饱和共享容量，导致合法用户被拒绝服务。