上海AI实验室提出Defense-as-Skill安全范式

发生了什么

据安全内参报道，上海人工智能实验室、复旦大学等机构于2026年9月发表论文《Defense-as-Skill》，提出将安全防护封装为Agent可调用的Skill。研究开发了运行时安全护栏SkillSonar，利用蒙特卡洛树搜索（MCTS）通过真实攻防反馈自动优化防护规则。实验显示，该机制将GLM-5面对已见风险攻击的成功率从48.2%降至10.4%，未见风险类别的攻击成功率从60.6%降至11.5%。