CASPIAN：通过跨渠道因果监控对 LLM 多代理系统中的级联攻击进行在线检测和归因

当对抗性影响跨代理传播并通过复杂的代理交互导致系统级故障升级时，LLM 多代理系统 (MAS) 中就会出现级联攻击。检测此类级联具有挑战性，因为它们的信号是分布式的，在交互通道中紧密耦合，并且通常在局部看似良性，但可能在单轮内或在多轮中逐渐展开。现有的防御措施主要是本地的和以文本为中心的，无法捕获这种跨渠道、时间协调的级联传播动态。因此，我们提出了 CASPIAN，这是第一个框架，通过在线监控跨代理的动态影响传播，为 LLM-MAS 中的级联行为提供统一的跨渠道因果分析。 CASPIAN 使用跨通道的统一动态因果影响矩阵对多智能体交互进行建模，通过后期交互条件转移熵 (LI-CTE) 公式进行有效估计，从而能够从紧急的系统级结构而不是孤立的异常中检测级联起始。它进一步执行在线因果归因，识别驱动级联的源头、桥梁和放大器代理，并重建其主要传播路径，这是现有方法不支持的功能。在不同的多代理框架和基准测试中，CASPIAN 在检测精度和早期级联识别方面始终优于语义护栏、基于 LLM 的判断器和基于图的异常检测器，同时以低于 1% 的相对开销延迟运行。这些结果表明，统一的跨渠道因果建模对于可靠地检测和理解 LLM 多智能体系统中的级联故障至关重要。