Agent attribution 用厂商侧 canary 协议把「观察到的 Agent 交互」关联回托管账号，并在对抗过滤下用效用绑定 canary 形成防御方不对称。

Claim

Agent attribution 用厂商侧 canary 协议把「观察到的 Agent 交互」关联回托管账号，并在对抗过滤下用效用绑定 canary 形成防御方不对称。

Why it matters

多 Agent/托管模型场景下危害行为常无法通知运营方或终止会话；归属是评测与滥用治理的缺失环节。

Summary

arXiv 归属方案：canary→模型日志→窄窗检索；内部先做 account→session→tool 血缘。

Actions

• (none)

Evidence

• (none)

Caveats

• (none)

Research queries

• (none)

Body

正文

背景

Agent 自主行动可造成伤害，但外部观察者难定位托管会话背后账号。

机制

授权方注入 canary；Agent 转发后进入会话日志；vendor 窄时间窗检索恢复 session/account。对抗场景用效用绑定 robust canary。

取舍

需 vendor 协作；公共开放追踪有伦理风险；本地自托管不适用同一路径。

动作

先做内部血缘与审计钩子，再谈跨厂商协议。