Environment Steering 用数据流检查拦 agent 攻击

「Environment Steering」预印本(arXiv 2609.35807)提出另一条防御路线：运行时检查特定信息能否流向特定目的地。策略约束来源、去向与数据维度，写入受保护目的地时按政策放行或拒绝，被拒操作带反馈返回让 agent 另选路径。原型只盯工具输入与最终回答两条通道。

在论文引用的 AgentDyn 对比中，该方案取得 61% 任务成功率与 0% 测量到的攻击成功率，为九种防御里最佳配对结果。

作者指出短板：测试床只覆盖工具输入、输出与记录级数据流，通用多步强制与自动政策生成留给未来；政策仍需人定义用户意图、可信来源与允许去向。

💡 为什么值得看外部检查替代模型自判，AgentDyn 成功率 61%，攻击率 0%。