通过部署前强化防止智能体应用中的数据泄漏

论文提出一套面向多智能体应用的部署前安全流水线，扫描提示模板、工具接口和调用代码，识别可能导致数据泄漏的模式并生成补丁，再通过对抗性提示注入与良性变体验证修复效果。该方法采用模式收紧、边界清洗、工具白名单和最小权限检查，在5个真实应用及AgentDojo上测试；论文报告基础攻击下泄漏降低100%，压力操纵场景下降91%。