ICON：基于推理时纠正的智能体间接提示注入防御

大语言模型（LLM）智能体容易受到间接提示注入（IPI）攻击，即检索内容中的恶意指令劫持智能体的执行。现有防御通常依赖严格的过滤或拒绝机制，存在一个关键局限：过度拒绝，过早终止有效的智能体工作流。我们提出 ICON，一个从探测到缓解的框架，在中和攻击的同时保持任务连续性。我们的关键洞见是，IPI 攻击会在潜在空间中留下独特的过度聚焦签名。我们引入 Latent Space Trace Prober，基于高强度得分检测攻击。随后，Mitigating Rectifier 执行外科手术式的注意力导向，选择性地操纵对抗性查询-键依赖，同时放大任务相关元素，以恢复 LLM 的功能轨迹。在多个骨干上的大量评估显示，ICON 取得有竞争力的 0.4% ASR（攻击成功率），比肩商用级检测器，同时带来超过 50% 的任务效用增益。此外，ICON 展现出稳健的分布外（OOD）泛化，并有效扩展到多模态智能体，在安全与效率之间建立了更优平衡。