Agent 也会中“时间差”陷阱？聊聊 ChatGPT Operator 的这个 Race Condition 漏洞

去年 Jun Kokatsu 发现了一个 ChatGPT Operator 的漏洞，本质上是一个典型的 TOCTOU（Time-of-Check to Time-of-Use）竞态条件问题。简单来说，就是 AI Agent 在“看”到一个文件或点击一个按钮时，到它真正执行动作的那一瞬间，环境已经被黑客给偷偷改了。这就好比你以为在点“确定”，结果后台指令已经被置换成了“删除所有”。

这种攻击链在 Agent 自动化流程里非常致命，因为 Agent 的决策逻辑和实际执行之间存在一个物理上的延迟窗口。我翻了一下相关的实验数据，这种利用 Race Condition 的攻击成功率在特定延迟环境下非常高，几乎成了 Agent 这种“计算机使用（Computer-Use）”能力的软肋。

对于咱们搞开发或者做数据处理的团队来说，这其实是个流程管理问题。如果 Agent 的感知和动作没有做原子化处理，或者缺乏严格的状态校验，那它执行的永远不是它“以为”的那个指令。大家在构建自动化工作流时，真的不能只盯着模型智商看，这种底层的执行逻辑闭环才是硬道理。

有没有小伙伴也在复现类似的 Agent 攻击实验？欢迎在评论区甩出你的测试数据，咱们一起交流下！