無需攻擊者：共享狀態 LLM 代理中的無意跨用戶污染

No Attacker Needed: Unintentional Cross-User Contamination in Shared-State LLM Agents

arXiv cs.CL · 2026-04-04

摘要

研究發現多用戶共享同一 LLM 代理時存在「無意跨用戶污染」(UCC) 問題，即某個用戶的本地有效信息會被代理無視上下文地重複應用到其他用戶，導致決策錯誤。這與惡意投毒攻擊不同，完全來自良性交互的持久化遺留。實驗表明在原始共享狀態下，僅通過正常使用就能產生 57-71% 的污染率。

●開發者：需要在設計多用戶 LLM 代理時建立用戶身份隔離和上下文邊界機制

●投資人：LLM 代理系統的可靠性風險值得關注，影響企業級應用採用

●一般用戶：使用共享 AI 助理時可能面臨數據混亂和決策錯誤的隱患

重要性評分

76/100

🟠 值得關注

LLM 代理多用戶系統數據污染

喜歡這篇？每天早晨還有更多。

訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。

相關指南

深入分析 Google AI Studio 與 Anthropic 平台差異。涵蓋 API 整合、開發者體驗、價格方案及 2026 年最佳選擇指南，協助您進行 AI 開發平台比較。

深入分析 GitHub Copilot vs Cursor 2026 的差異！從功能、價格到實戰體驗，為您提供完整的 cursor 教學與 github copilot 定價比較，助您選擇最適合的 IDE 整合工具。

深入解析 ChatGPT 與 NotebookLM 的差異。透過 chatgpt gemini notebooklm 比較，了解兩者功能、資料分析能力與研究效率，協助您選擇最適合的 AI 工具。

🤖 本文摘要由 AI 自動生成，內容源自原始報導。如有疑慮，請參閱關於我們。

喜歡這篇？每天早晨還有更多。

訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。