APEX-Harm: Оценка безопасности агентов в общих профессиональных рабочих местах

arXiv: 2610.13623v1 Тип уведомления: перекрестное резюме: профессиональные агенты все чаще работают с помощью интерфейсов командно-координационной линии и различных инструментов на совместно используемых рабочих пространствах, содержащих файлы, сообщения и приложения для деловых операций. Эти условия создают угрозу безопасности, которую трудно зафиксировать в результате нападений на одном известном месте считывания. Мы введем APEX-Harm, ориентир для оценки быстрого и сценарного введения против долгого горзона агентов, выполняющих финансовые, консультационные и юридические задачи на больших рабочих местах. Каждая задача содержит от 115 до 328 файлов вместе с электронной почтой, календарем, чатами, документами, таблицами, PDF и инструментами шифро-исключения, открытыми через серверы MCP. Контрольный показатель включает шесть категорий атак, охватывающих статические и динамические впрыски, замену сценария по конкретным задачам и генерические сценарии для нападавших, а также оценку успеха нападений, воздействия и выполнения задач. Мы оцениваем 12 пограничных моделей по 180 целевым случаям на каждую модель. Опус 5 и Sonnet 5 имеют самый низкий общий показатель