摘要
人工智能从无状态生成模型向有状态自主代理的转变，标志着一种架构的演变。这种演变虽然提供了长期规划和企业工作流自动化的能力，但也引入了一种新型安全威胁——时序漏洞（Chronos Vulnerability）。
时序漏洞代表了内存基础攻击的威胁，包括内存注入攻击（Memory Injection Attack，MINJA）和潜伏代理攻击。在这些攻击中，自主代理的内部信念系统被破坏，从而有效地将攻击向量与最终的灾难事件脱钩。
此研究正式化了基于持久性的攻击威胁模型，并在工作流基准的背景下探讨了动态盲区（Dynamics Blindness）的威胁，表明传统的端点内容过滤器对于当前的有状态架构已显不足。
因此，本研究合成了深度防御的景观，分类了新兴框架，如诊断轨迹护栏（AgentDoG）、正式时序验证（Agent-C）、免疫记忆共识（A-MemGuard），以及通过基于GPU的可信执行环境（TEEs）和零信任内存架构实现的硬件锚定信任。
博主点评： 这项研究揭示了智能代理在安全性方面的新挑战，尤其是在内存攻击的背景下。随着AI系统越来越复杂，传统的安全防护措施显得力不从心，必须采用更为先进的防御框架以应对未来的威胁。