多智能体系统正被用于协调大量大型语言模型（LLM）代理，这也带来了新的攻击面。恶意子代理可以利用协调机制，将主管诱导至超出其分配范围的任务中，这种行为被称为 出现攻击（show‑up attack）。
为评估该风险，作者构建了 SUA‑Arena，实现了 6 种攻击策略并收集了 188 条测试用例。随后在 6 种前沿 LLM 上进行实验，结果显示所有模型均易受出现攻击。例如，GPT‑5.6‑Sol 作为主管时的攻击成功率（ASR）最高可达 0.93。针对该问题的缓解措施，如提示工程和受限通信，并未表现出一致的效果，说明仅靠表层防御难以根除风险。
研究表明，多智能体系统必须引入明确的权限边界机制，以强制执行主管与子代理之间的职责划分，防止恶意子代理利用协作框架进行越权操作。
点评