ElasticBack：经触发器-规则耦合优化在LLM Agent技能中植入隐蔽条件后门

Agent技能是LLM智能体按需加载的指令与资源包，构成一条新兴供应链，单个被投毒的技能可持久性危害每个安装它的智能体。然而，现有技能攻击要么对每个请求都触发，要么依赖微调权重或多个技能，条件化且低成本的后门尚未被探索。本工作提出ElasticBack，一种有效的条件化单技能后门，在技能文档中植入规则R、在用户查询中植入看似良性的触发器T，使恶意载荷仅在两者同时出现时才触发。ElasticBack通过“触发器即开关”的构造绑定双方，以语义锚定规则注入生成R。随后冻结R并以隐蔽性约束的遗传搜索针对R演化T，从而联合优化有效性与隐蔽性，使后门无需改动权重并在良性输入上保持休眠。覆盖三种目标行为（各50个技能）和四个智能体大语言模型的大量实验表明，ElasticBack在接近零误报率且保持干净准确率的情况下取得高攻击成功率，可跨模型迁移并规避部署时防御。这些结果凸显了为技能供应链构建更强防御的必要性。