Mobius注入攻击
2 节点0 篇2 来源
研究人员提出“Mobius Injection”（莫比乌斯注入）攻击范式，揭示了大型语言模型（LLM）智能体作为用户与服务枢纽时的系统性安全风险。该攻击利用“语义闭合”机制，通过单次提示注入即可诱导智能体组件陷入持续递归执行，将正常节点转化为“僵尸节点”，从而发起基于智能体的分布式拒绝服务攻击（AbO-DDoS）。实验显示，该攻击在特定环境下可将单节点调用放大至51倍，并导致良性请求延迟增加约23至24倍，最终耗尽共享计算资源。研究团队同时提出了基于“智能体组件能量分析”（ACE）的防御机制以检测此类异常递归触发。
事情怎么走到这一步
论文《Mobius Injection: From One-Shot Prompt Injection to Sustained Resource Exhaustion in AI Agent Infrastructure》首次提交至arXiv，提出利用语义闭合机制使AI智能体陷入递归执行的攻击方法。
arxiv.org ↗论文更新至v2版本，详细披露了在三类爪式智能体和三类主流编码智能体上的实验结果，证实单节点调用放大可达51.0倍，并介绍了ACE防御机制。
arxiv.org ↗
还没定论的部分
- 目前提出的ACE防御机制在实际生产环境中的误报率和拦截效率如何？
- 主流LLM服务商是否已针对此类递归注入更新其输入过滤或速率限制策略？
- 该攻击范式是否会随着智能体框架（如Claude Code, OpenClaw等）的版本迭代而失效或变异？