AI安全前沿：多模态攻防加剧，听觉劫持与奖励黑客引关注

本周Arxiv上的研究进一步拓展了AI安全领域的边界。无论是针对视觉语言网页智能体的并行防护，还是针对音频模型的隐蔽劫持；无论是通过确定性规则拦截工具调用，还是解决奖励优化导致的系统性“作弊”和校准失效，都表明了一个趋势：攻击正从单一维度转向多模态复合策略，防御则从依赖模型自我约束转向建立外部确定性安全层。安全专家应当将“智能体安全”提升至企业基础设施的核心地位。核心趋势分析：防御策略转变：建立模型之外的“确定性安全层”已成为行业共识。无论是引入并行的“守护智能体”（如WebAgentGuard），还是在