
إطار عمل للاختراق الذكي للوكلاء (Agentic Jailbreak) يستهدف الوكلاء القائمين على نماذج اللغة الكبيرة (LLM)، وذلك باستخدام تفكيك المهام القائم على المخططات، واستراتيجيات التمويه متعددة الجولات، والتطور الذاتي التكيفي لاستكشاف المخاطر الأمنية الناشئة.
التنفيذ الرسمي لـ TRACE: Task-Aware Adaptive Self-Evolving Agentic Jailbreaking.
يمكن لوكلاء نماذج اللغة الكبيرة (LLM) أن يخططوا بشكل مستقل، ويستدعوا الأدوات، ويتفاعلوا مع البيئات، وينفذوا سير عمل ممتد على مدى طويل. وهذا يُدخل مخاطر أمنية تتجاوز كسر الحماية التقليدي القائم على النصوص فقط: فحتى عندما يمكن استدراج تعليمات ضارة، قد يظل الوكلاء المتوافقون يرفضون تنفيذها، في حين يمكن أن تقاطع إخفاقات التنفيذ الوسيطة سير عمل هجوم كان ناجحًا لولا ذلك.
TRACE هو إطار عمل لكسر الحماية الوكيلي مصمم لمعالجة هذه التحديات من خلال تفكيك المهام، والتفاعل متعدد الأدوار الموجه نحو التنفيذ، والاسترداد التكيفي.
يتكون TRACE من ثلاثة مكونات رئيسية:
نقيّم TRACE على AdvCUA وAgentHazard، وهما معياران لسلامة الوكلاء يتطلبان تنفيذًا من البداية إلى النهاية لمهام متعددة الخطوات في بيئات تفاعلية. تغطي التجارب إطارين للوكلاء، هما Codex وClaude Code، مع نماذج أساسية متعددة.
| إطار الوكيل | النموذج الأساسي | AdvCUA | AgentHazard |
|---|---|---|---|
| Codex | GPT-5.5 | 0.62 | 0.97 |
| Codex | Gemini-3.5-Flash | 0.65 | 0.99 |
| Codex | DeepSeek-V4-Pro | 0.81 | 1.00 |
| Claude Code | Claude-Opus-4.8 | 0.54 | 0.97 |
| Claude Code | Gemini-3.5-Flash | 0.69 | 0.98 |
| Claude Code | DeepSeek-V4-Pro | 0.88 | 0.99 |
يحقق TRACE باستمرار أداءً هجوميًا قويًا عبر أطر الوكلاء المختلفة والنماذج الأساسية، متفوقًا بشكل كبير على خطوط الأساس السابقة في معظم الإعدادات. على AdvCUA، يحقق TRACE معدلات نجاح هجوم (ASRs) تتراوح من 0.54 إلى 0.88. وعلى AgentHazard، يحقق TRACE معدلات نجاح هجوم شبه مثالية عبر جميع التكوينات المُقيَّمة، تتراوح من 0.97 إلى 1.00.
يتوفر عرضان توضيحيان مسجلان مع Claude Code وCodex في assets/:
| الوكيل المستهدف | العرض التوضيحي |
|---|---|
| Claude Code | Claude Code Demo |
| Codex | Codex Demo |
تستهدف مواصفات البيئة المقدمة نظام Linux وPython 3.11.
git clone https://github.com/ZJU-LLM-Safety/TRACE.git
cd TRACE
conda env create -f environment.yml
conda activate trace
قم بتعيين بيانات الاعتماد وعنوان URL الأساسي لنقطة نهاية Chat Completions المتوافقة مع OpenAI:
export OPENAI_API_KEY="<your-api-key>"
export OPENAI_BASE_URL="<your-api-base-url>"
أنشئ تسلسلات مهام فرعية مرشحة باستخدام تفكيك المهام الموجّه بالمخطط:
python improved_decomposer/improved_task_decomposer.py \
--data_file_path /path/to/tasks.json \
--output_file_path outputs/decompositions.jsonl \
--model "<decomposition-model>" \
--num_decompositions_per_task 5 \
--use_schema_decompose
--use_schema_decompose يفعّل توليد المرشحين القائم على المخطط.
يستخدم المثال التالي معيار AdvCUA مع Codex:
python experiment/main.py \
--dataset /path/to/benchmark_with_subtasks.jsonl \
--config experiment/config/config.yaml \
--lab-backend vrap \
--compose-file /path/to/benchmark/docker-compose.yml \
--attacker-model-path /path/to/attacker-model \
--target-backend codex \
--codex-model "<target-model>" \
--responses-base-url "<target-responses-api-base-url>" \
--responses-env-key OPENAI_API_KEY \
--strategy-library outputs/experiment/strategy_library.json \
--output outputs/experiment/results.jsonl
لفحص خيارات سطر الأوامر المتاحة:
python improved_decomposer/improved_task_decomposer.py --help
python experiment/main.py --help
| المسار | الوصف |
|---|---|
improved_decomposer/ | المخططات الإجرائية، وتوليد المرشحين، والتحقق، والاختيار |
experiment/main.py | تنسيق التجارب وتغذية راجعة للتنفيذ |
experiment/runtime/ | مكوّنات وقت التشغيل للنماذج والاستراتيجيات وتسلسلات المهام الفرعية |
experiment/strategy_library/ | تخزين الاستراتيجيات واسترجاعها ومراجعتها ودمج التغذية الراجعة |
experiment/config/ | إعدادات التجارب وقوالب المطالبات (prompts) |
agent_execution/ | واجهات الوكيل الهدف، وإدارة الجلسات، وجمع المسارات، والتحقق |
tools/ | جسور المقاييس المرجعية (benchmark)، ومهايئات API، وأدوات التشخيص |
assets/ | مقاطع فيديو توضيحية لـ Claude Code وCodex |
environment.yml | مواصفات بيئة Conda |
إذا وجدت TRACE مفيدًا في بحثك، يُرجى التفكير في الاستشهاد به:
@misc{zeng2026tracetaskawareadaptiveselfevolving,
title={TRACE: Task-Aware Adaptive Self-Evolving Agentic Jailbreaking},
author={Churui Zeng and Kedong Xiu and Weiwei Qi and Yuqi Hao and Chaochao Lu and Liang He and Zhan Qin and Tianhang Zheng},
year={2026},
eprint={2605.30883},
archivePrefix={arXiv},
primaryClass={cs.CR},
url={https://arxiv.org/abs/2605.30883},
}