KnotScryer 通过能力流图分析发现清洁技能组合中的不安全链

该论文提出 KnotScryer 框架，用于检测由多个独立清洁技能在运行时编排中组合而成的安全风险。研究发现，尽管单个技能本身无害，但上游技能的输出被传递给下游技能输入时，可能形成违反安全策略的执行链，这种风险源于 Agent 的运行时编排而非单一技能缺陷。

作者在 ClawHub 数据集上分析了 13,598 个清洁技能，构建了技能能力流图（SCFG）以追踪跨技能信息流，并设计了搜索策略定位涉及受保护或不可信数据的路径。实验显示，KnotScryer 识别出 612 个不安全组合，其中 13.7% 的链条完全由单技能扫描器标记为安全的技能组成。在 GLM-5.1 模型上，该方法将利用成功率从基线方法的 16.5%-18.2% 提升至 85.6%，同时将搜索空间缩小了 85.3%。

事实层面，该研究证实了跨技能组合攻击的存在且现有单点检测手段失效；推断层面，这意味着未来 Agent 安全评估必须从静态技能审计转向动态编排验证；猜测层面，若行业广泛采用此类框架，可能会推动 Agent 开发标准增加对“技能组合”维度的强制测试要求。