当 AI Agent 从一个独立的对话助手演进为多智能体协作系统中的一员时,安全问题从单点防护升级为网络化对抗。在多智能体系统(Multi-Agent System, MAS)中,多个 Agent 通过消息传递进行协作,共同完成复杂任务——但这也创造了全新的攻击面:Agent 之间的信任关系可以被伪造,消息可以被篡改,多个 Agent 可以合谋绕过安全控制。
多智能体系统的安全挑战与传统的分布式系统安全有相似之处,但有一个关键区别:Agent 的决策是非确定性的,且 Agent 之间的"信任"建立在语义层面而非纯粹的协议层面。这意味着,即使通信信道是加密的,攻击者仍然可以通过语义层面的操纵来破坏系统。本文从 Agent 身份验证、权限传播控制、合谋攻击检测和消息完整性四个维度,系统梳理多智能体系统的安全防护体系。
1. 多智能体系统威胁模型
在设计安全机制之前,必须先理解多智能体系统面临的特有威胁。与单 Agent 系统不同,MAS 的攻击面分布在 Agent 之间的交互链路上。
1.1 四类核心威胁
| 威胁类别 | 攻击方式 | 典型场景 | 影响程度 |
|---|
| 身份伪造 | Agent 冒充其他 Agent 发送消息 | 恶意 Agent 冒充管理员 Agent 下发指令 | 高 |
| 权限逃逸 | 低权限 Agent 利用高权限 Agent 执行操作 | 只读 Agent 请求写入 Agent 执行敏感操作 | 高 |
| 合谋攻击 | 多个 Agent 协作绕过安全控制 | 两个低权限 Agent 组合操作突破单一限制 | 极高 |
| 消息篡改 | 中间人修改 Agent 间通信内容 | 篡改 Agent 之间的任务指令或结果数据 | 高 |
1.2 攻击面全景
┌─────────────────────────────────────────────────────────────────────┐
│ 多智能体系统攻击面全景 │
│ │
│ 攻击者 │
│ │ │
│ ├──→ ① 直接攻击 Agent A │
│ │ ├── Prompt 注入 → 控制 Agent A 的行为 │
│ │ └── 身份伪造 → 冒充 Agent A 与其他 Agent 通信 │
│ │ │
│ ├──→ ② 通信信道攻击 │
│ │ ├── 消息窃听 → 获取 Agent 间传递的敏感信息 │
│ │ ├── 消息篡改 → 修改 Agent 间的指令或数据 │
│ │ └── 消息重放 → 重复发送合法消息以触发非预期行为 │
│ │ │
│ ├──→ ③ Agent 协作链路攻击 │
│ │ ├── 权限链劫持 → 利用权限传递链逐级提升 │
│ │ └── 合谋攻击 → 控制多个 Agent 协同突破 │
│ │ │
│ └──→ ④ 系统级攻击 │
│ ├── 拒绝服务 → 向 Agent 发送大量无效消息 │
│ └── Agent 注入 → 向系统中注册恶意 Agent │
└─────────────────────────────────────────────────────────────────────┘
1.3 安全假设与信任边界
在多智能体系统中,需要明确以下信任边界:
信任假设层次:
Layer 0: 基础设施信任
- 通信信道是加密的(TLS/mTLS)
- 消息队列服务是可信的
- 时钟同步服务是可信的
Layer 1: Agent 身份信任
- 每个 Agent 有唯一身份标识(Agent ID)
- Agent ID 通过数字证书/Token 验证
- Agent 无法伪造其他 Agent 的身份
Layer 2: Agent 行为信任(运行时)
- Agent 的行为可能偏离预期
- Agent 可能被 Prompt 注入控制
- Agent 的输出必须经过验证
- 不做"Agent 是诚实"的假设
Layer 3: 跨 Agent 信任
- 不信任任何其他 Agent 的消息
- 所有跨 Agent 消息必须验证来源
- 权限传递必须显式声明并审计
核心原则:Zero Trust 理念同样适用于 MAS——永远不假设其他 Agent 的行为是可信的,所有跨 Agent 交互都必须经过验证和授权。
2. Agent 身份验证
在 MAS 中,每个 Agent 需要一个可验证的身份,以确保消息的来源可信。身份验证是后续所有安全机制的基础。
2.1 身份注册与证书颁发
import hashlib
import json
import time
from dataclasses import dataclass
from typing import Optional
@dataclass
class AgentIdentity:
agent_id: str
agent_type: str
public_key: str
capabilities: list[str]
issuer: str
issued_at: float
expires_at: float
signature: Optional[str] = None
def verify(self) -> bool:
"""验证身份证书的签名"""
data = self._sign_data()
expected = hashlib.sha256(data.encode()).hexdigest()
return self.signature == expected
def _sign_data(self) -> str:
return f"{self.agent_id}:{self.public_key}:{self.expires_at}"
def is_expired(self) -> bool:
return time.time() > self.expires_at
class IdentityRegistry:
def __init__(self):
self.identities: dict[str, AgentIdentity] = {}
self.revocation_list: set[str] = set()
def register_agent(
self,
agent_id: str,
agent_public_key: str,
role: str,
expires_in: int = 86400,
) -> AgentIdentity:
if agent_id in self.identities and not self.identities[agent_id].is_expired():
raise ValueError("agent_id 未过期,不允许重复注册")
identity = AgentIdentity(
agent_id=agent_id,
public_key=agent_public_key,
role=role,
expires_at=time.time() + expires_in,
)
identity.signature = ca_sign(identity._sign_data())
self.identities[agent_id] = identity
return identity
def verify(self, identity: AgentIdentity) -> bool:
if identity.agent_id in self.revocation_list:
return False
if identity.is_expired():
return False
return ca_verify(identity._sign_data(), identity.signature)
证书生命周期必须闭环:短 TTL(小时级)+ 自动轮换 + 吊销列表实时同步。在多 Agent 系统里,长寿命凭证等于给横向移动发复制钥匙。
3. 通信防护
| 层 | 措施 | 对抗 |
|---|
| 传输层 | mTLS,证书绑定 agent_id | 窃听、端点伪造 |
| 消息层 | 签名 + nonce + 时间戳 | 重放、篡改 |
| 语义层 | 消息标注来源与信任级,接收端按策略处理 | 经消息转发的注入 |
| 拓扑层 | 通信白名单:仅允许任务图声明的边 | 非法信息通道 |
多 Agent 注入的经典形态:被污染的 Agent 在任务消息里夹带指令,下游 Agent 把"同事的话"当成可信上下文直接执行。“谁说的"必须和"说了什么"一起被校验。
4. 合谋攻击检测
合谋(collusion)指多个 Agent 绕过设计权限、组合出任何单个 Agent 都无权达成的效果。三条检测思路:通道检测(发现拓扑之外的通信边)、行为相关性(多 Agent 动作序列出现超出任务图的协同模式)、决策集中度(关键审批链被同一批身份把持时触发法定人数校验)。对高价值操作,宁可让独立异构的多个 Agent 交叉审批,也不给任何单点组合出全权限的机会。
5. 总结
多智能体安全的范式转变,是彻底废除"内网即可信”:每个 Agent 都是潜在的被俘节点。身份签发、通信校验、合谋监控三道防线,共同把"内部"也变成零信任域。系统规模越大,越要保证安全假设不依赖"同事不会背叛"这一条——身份可验证、消息可溯源、协同可审计,缺一不可。
(数据来源:NIST 零信任架构(SP 800-207)、OWASP LLM Top 10 与多智能体合谋攻击相关论文,整理截至 2026-10。)
本文面向授权安全研究与防御建设,未经授权对任何系统实施文中技术属违法行为。