AutoRedClaw框架揭示Claw风格智能体攻击风险与评估盲区

该论文提出 AutoRedClaw，一个针对 OpenClaw 等 Claw 风格智能体的自动化红队测试框架，旨在解决传统手动测试无法覆盖持久化配置、长期记忆和可复用技能带来的持续威胁问题。研究指出，一旦此类智能体的持久状态被投毒，恶意内容会在多次任务中反复加载，形成跨会话的持续性风险，而现有评估体系因依赖人工构造用例且更新滞后，难以反映实际部署中的脆弱性。 实验数据显示，AutoRedClaw 通过结合严格的质量检查协议和执行验证，实现了超过 30% 的有效攻击率，且单次成功样本成本低于 0.10 美元。基于其输出构建的 RedClaw-Bench 包含 330 个案例，在七个测试环境和四个前沿模型上，多数系统的攻击成功率（ASR）超过 50%，显著高于 AgentDojo、AgentDyn 和 DTap 等现有基准。这一结果直接证明了当前主流智能体系统在应对复杂、持久化攻击时的防御缺口。 事实层面，该研究确认了 Claw 风格智能体存在特定的状态中毒风险路径，并提供了低成本、高覆盖的自动化评估工具。推断层面，这意味着现有的安全评测标准可能严重低估了智能体在实际应用中的风险，尤其是涉及长期记忆和个性化配置的代理系统。猜测层面，随着 Claw 类智能体在消费级产品中的普及，若缺乏类似 AutoRedClaw 的持续红队机制，用户数据安全和系统稳定性将面临系统性挑战。