PRISM：多智能体LLM流水线中秘密泄露的生成时检测与缓解

多智能体LLM系统引入了一种安全风险：一个智能体访问的敏感信息可经共享上下文传播，并在下游输出中再次出现，即使不存在明确的对抗意图。我们将这一现象形式化为传播放大：随着敏感内容被反复暴露给下游生成器，泄露风险跨越智能体边界不断上升。现有防御——包括基于提示的防护、静态模式匹配与LLM-as-judge过滤——并非为此场景设计：它们或在生成之后才起作用，或主要依赖表层模式，或增加大量延迟却不建模生成过程本身。为解决这些问题，我们提出PRISM，一种实时防御，将凭据泄露视为生成过程中的序贯风险累积问题。在每个解码步，PRISM将涵盖词汇、结构、信息论、行为与上下文特征的16种信号组合为经校准的风险分数，通过绿、黄、红三个风险区间实现逐token干预。我们的核心观察是：凭据复现之前往往出现生成动态的可测量变化，表现为熵坍缩与logit集中度上升。与标识符模式检测等文本结构线索结合时，这些时序信号可在秘密被完整重建之前发出泄露预警。在一个异构四智能体流水线、覆盖13类攻击与三级压力的2000任务对抗基准上，PRISM取得F1 = 0.832（精确率 = 1.000，召回率 = 0.712），在基准上未观察到泄露（0.0%任务级泄露率），并保持0.893的输出效用。它大幅领先最强基线Span Tagger，后者的F1 = 0.719且任务级泄露率为15.0%。