多用户 AI 智能体网络如何保证安全？
图：论文原图（arXiv:2608.03499）
单智能体安全问的是：这个智能体会不会做坏事？以人为本的智能体网络改变了问题：每个用户都有一个长期在线、替自己行动、与他人智能体沟通的智能体。日常的工具使用变成了跨个人工作区的多方协作——而各自的文件、记录、工具和策略彼此并不可见。新的风险不只是“坏智能体”，而是会传播的危害。
危害如何在用户之间传播
- 任务崩坏：被委托的子任务在下游悄悄失败或被篡改；
- 隐私泄露：数据越过了不该越过的归属边界；
- 证据投毒：一个智能体向另一个喂入虚假信息，导致错误决策；
- 无效授权链：动作经由一条从未真正获得授权的链路执行。
用可审计沙箱代替“看一眼”
无法测量就无法保障，而靠肉眼翻对话记录无法测量智能体的危害。WeClawArena 是一个运行时沙箱，个人工作区既是操作工具也是约束：
- 6 个跨用户领域、124 个基础任务，扩展为 620 个场景变体；
- 完整记录点对点消息、工具调用、资源操作、受管控决策与最终工作区状态；
- 效用与攻击成功率分开报告，让“好用但不安全”的智能体无法躲在任务得分后面。
攻击是否成功，要从有边界的运行时证据中审计出来，而不是推测。
这与审计层是同一个原则，只是作用在跨用户、跨智能体的网络层面。
常见问题
什么是以人为本的智能体网络？
每个用户都有一个长期在线、代表自己行动的 AI 智能体，并通过社交与任务关系与其他用户的智能体协作，协作对象是彼此不可见的个人工作区。
什么是跨用户智能体安全？
研究危害如何通过协作的智能体在用户之间传播，包括任务崩坏、隐私泄露、证据投毒和无效授权链。
WeClawArena 如何评测安全性？
在可审计沙箱中运行 620 个跨用户场景变体，记录完整证据链，并分别报告任务效用和攻击成功率。
本文基于论文 WeClawArena: An Auditable Sandbox and Benchmark for Cross-User Agent Collaboration and Security in Human-Centered Agent Networks（Findings of EMNLP 2026，arXiv:2608.03499），作者：Prince Zizhuang Wang、Aojie Yuan（袁傲杰）、Haiyue Zhang、Xiyang Hu、Yue Zhao、Shuli Jiang。袁傲杰为本文二作。作者主页：袁傲杰 · USC Fortis Lab。