当智能Agent变得无所不能，一个潜在的风险也随之而来：资源滥用导致的拒绝服务。这项研究深入揭示了Agent“已读不回”的真相，并提出了一套行之有效的漏洞检测方法，为提升Agent安全性提供了关键思路。
智能速览
Agent因资源滥用会陷入拒绝服务状态，导致服务中断。
研究团队首创了Agent资源耗尽漏洞的定向模糊测试方法AgentDoS。
AgentDoS通过识别资源生命周期并生成恶意输入来精准触发漏洞。
该方法在20款主流开源Agent中发现了36个高危0-day漏洞。
受影响的16款开源Agent中，有15款GitHub Stars超过1万。
相关研究成果已被顶级安全会议Security’26（CCF-A）接收。
精华内容
为精准狙击这一安全威胁，研究团队提出了一套系统性的解决方案，其核心在于如何高效地发现并复现这类隐蔽性极强的漏洞。
漏洞根源
LLM-based Agent的核心能力在于根据用户指令调用外部工具、API和服务。然而，当Agent接收到经过精心设计的恶意指令时，可能会触发无休止的工具调用、高强度的计算任务或大规模的内存分配。这种无限制的资源消耗会迅速耗尽系统资源，导致Agent陷入瘫痪，无法再响应任何正常用户的请求，形成拒绝服务攻击。
检测利器
针对这一问题，研究团队提出了名为AgentDoS的定向模糊测试方法。该方法首先对Agent内部的资源进行建模，识别出API调用、内存使用等关键资源的生命周期。随后，通过迭代生成特定的恶意输入，精准地诱导Agent执行极度消耗资源的操作序列，从而验证并复现资源耗尽漏洞的存在。
惊人战果
AgentDoS的有效性在20款主流开源Agent上得到了验证。测试结果显示，该方法成功发现了36个此前未知的高危0-day漏洞。这些漏洞广泛存在于当前流行的开源Agent中，总计影响了16款产品，其中不乏GitHub Stars超过1万的明星项目，揭示了该安全问题的普遍性与严重性。
安全启示
这项研究不仅是学术上的突破，更为Agent的开发者和使用者敲响了警钟。它证明了随着Agent自主性的增强，其安全边界也变得愈发复杂。未来的Agent系统在设计时，必须内置更强的资源监控和限制机制。同时，此类工具的出现也为开发者在产品发布前进行安全审计提供了新的可能。
这项研究不仅揭示了LLM Agent普遍存在的一个安全盲点，更提供了有效的检测工具与思路。随着Agent技术的普及，如何构建更稳健、更安全的智能体将成为未来发展的关键议题。下一个需要攻克的Agent安全挑战会是什么？
