KYA框架：用侦察思维给AI Agent做渗透测试

黑盒测试AI Agent最头疼的就是不知道它背后到底接了哪些工具，也没法预判它怎么处理外部输入。这篇论文提出的KYA (Know Your Agent) 逻辑很直接：既然传统渗透测试得先做 Reconnaissance（侦察），那测Agent也得先搞清楚它的“知识资产”。

简单来说，KYA不是直接扔几个Payload去撞运气，而是先通过探测（Probing）去反推Agent的画像。它重点挖掘三个维度的信息：

• 资产类型： Agent能调用哪些API，拥有什么样的权限。
• 使用方式： 这些工具在什么场景下被触发，逻辑链条是怎样的。
• 弱点映射： 哪些信息泄露会导致间接提示词注入（Indirect Prompt Injection）成功率更高。

一旦构建出目标画像，KYA就会基于这些情报去定制攻击载荷，而不是用通用模板。这种方法在实际的编码Agent测试中效果明显，比盲测要精准得多。

对于想做Agent安全实操的人来说，这个思路很有参考价值。如果你在部署自己的AI Agent工作流，可以尝试用类似的侦察逻辑自测一下：

# 模拟侦察思路的伪步骤
1. 探测阶段：发送模糊指令，观察Agent调用了哪个工具/插件
2. 分析阶段：根据返回结果判断工具的输入参数格式
3. 攻击阶段：利用已知参数构造间接注入载荷，尝试劫持工作流

这种从“信息搜集 → 建立画像 → 精准打击”的链路，比单纯研究提示词技巧要硬核得多。