一项最新研究显示,连接AI代理与外部大模型的部分第三方API路由器,正成为新的安全风险点。在AI不仅能够编写代码、还可直接执行指令的应用场景下,这类中间服务可能被用于注入恶意代码、篡改任务指令,甚至窃取认证凭证。
据日本媒体ITmedia 11月19日 报道,美国加州大学圣塔芭芭拉分校(UCSB)联合研究团队在论文《Your Agent Is Mine》中,对428个第三方API路由器的安全风险进行了系统分析。
论文指出,这类API路由器主要负责将Claude Code、Codex等AI代理发出的请求转发至OpenAI、Anthropic等模型服务提供方。此类服务通常用于降低多模型调用成本或统一接入管理,但也因此处于代理与模型之间的关键链路上。
研究认为,问题的核心在于,这些路由器在转发过程中会接触经解密后的通信内容,从而具备查看、修改请求与返回结果的能力。攻击者可借此篡改AI接收的指令、植入恶意代码,并窃取API密钥、云服务认证信息等敏感凭证。
研究团队对28个付费路由器和400个免费路由器进行了测试,结果发现共有9个样本确认存在恶意注入行为,其中包括1个付费路由器和8个免费路由器。
具体攻击方式包括:将AI原本要执行的正常指令替换为恶意指令,或把软件包名称替换为拼写相近的仿冒包,以诱导AI下载和执行错误组件。
研究还发现,部分路由器会通过特定策略规避检测。例如,有的样本在前50次请求中表现正常,随后才发起攻击;另一些则仅在AI处于“YOLO模式”等自动批准模式、且处理特定编程语言项目时,才插入恶意指令。
除指令注入外,凭证盗用问题也被确认存在。研究人员投放的AWS诱饵凭证,在17个免费路由器上出现了随后被未授权使用的情况。其中1个路由器还导致研究使用的以太坊钱包出现实际资金转出。
研究同时指出,即便表面上运行“正常”的路由器,也不能简单视为安全。研究人员将一台刻意弱化安全配置的中继服务器置入外部厂商通信链路后,在440次AI开发会话中暴露出99条认证信息。
针对上述风险,研究团队建议限制AI可执行指令的权限范围,加强对异常响应的识别,并完整保留通信日志,以提升事后审计和追溯能力。
研究结论称,除AI模型本身外,连接模型与代理的中间服务同样应纳入安全验证与信任审查范围。