AgentTrust：AI智能体工具使用的运行时安全评估与拦截

现代AI智能体通过工具调用（文件操作、shell命令、HTTP请求、数据库查询）执行真实世界副作用。单个不安全动作——意外删除、凭据暴露或数据外泄——即可造成不可逆伤害。既有防御不完整：事后基准在执行后测量行为，静态护栏漏掉混淆与多步上下文，基础设施沙箱限制代码在哪运行却不理解动作含义。我们提出AgentTrust：在执行前拦截智能体工具调用的运行时安全层，返回结构化裁决：允许、警告、阻断或复核。AgentTrust结合shell去混淆规范化器、SafeFix（更安全替代建议）、RiskChain多步攻击链检测，以及面向模糊输入的缓存感知LLM-as-Judge。我们发布覆盖六风险类别的300场景基准，以及额外630个独立构建的真实对抗场景。内部基准上，仅生产规则集在低毫秒级端到端时延下达到95.0%裁决准确率与73.7%风险级准确率。在630场景基准（经修补规则集评估、不声称零样本）上，AgentTrust达96.7%裁决准确率，其中shell混淆载荷约93%。