AI能篡改PDF文档,代理伪造难辨真假

发生了什么：AI 代理能够自主篡改你的 PDF 合同

最近发表在 arXiv 的论文《Agents That Edit Documents: Measuring Agentic PDF Forgery Against a Non-Agentic Control》介绍了一个名为 AgentForge‑Bench 的基准测试。研究人员让七种开源权重模型（如 Llama‑2‑7B、Mistral‑7B、Vicuna‑13B 等）驱动一个通用的编码代理，仅凭一句自然语言指令（例如“把发票金额改为 12,345 元”）就尝试修改真实财务文件中的金额、日期或地址。实验共使用了 1,200 份来自真实报销单、贷款合同和审计报告的 PDF。

结果显示，在最强的 13B 参数模型下，代理成功篡改目标字段的比例达到 68%，而使用 7B 模型时成功率降至 42%，且在未提供任何外部工具（如 OCR 或 PDF 编辑库）的对照组中，成功率仅为 5%。这意味着，只要拿到一份普通的 PDF，一个装备了开源大模型的 AI 代理就能在多数情况下悄悄改写关键信息。

为什么炸锅：自主篡改背后的技术与风险

AgentForge‑Bench 的核心是让代理在本地 shell 中调用标准的 Python PDF 库（如 PyPDF2、pdfminer.six），通过生成的代码直接定位并替换文本坐标。与传统的恶意软件不同，这一过程完全在代理的“思考‑行动”循环内完成，无需人工干预或额外的漏洞利用。

研究还对比了不同模型的推理成本：在同等硬件（RTX 3090）下，13B 模型每份文档的平均处理时间为 3.2秒，而 7B 模型仅需 1.8秒。这表明，即使是资源受限的个人设备，也能在短时间内完成大规模的文档篡改攻击。

更令人担忧的是，基准测试中使用的指令均为单句、无歧义的自然语言，说明攻击门槛极低——只需告诉 AI “把合同里的利率改为 5%”，它就能自行生成相应的修改脚本并执行。

对你有什么影响：个人与企业如何应对

对于普通消费者来说，租房合同、贷款协议或保险单等 PDF 文件一旦被悄悄修改，金额或日期的微小变动可能导致拒赔、贷款利率上升甚至法律纠纷。假设一份 10 万元的贷款合同被利率从 4.2% 改为 5.0%，一年多付利息约 800 元，长期累积将造成可观的经济损失。

企业层面，审计师和依赖电子档案的金融机构需要重新评估文件完整性验证机制。传统的哈希校验仍然有效，但若攻击者在生成 PDF 后重新计算哈希，则需要引入防篡改水印或基于区块链的存证方案。实验表明，在加入可见水印的 PDF 中，代理的成功率下降至不到 12%。

因此，建议用户在收到重要 PDF 时，先检查文件属性是否存在异常修改时间，其次使用专业的 PDF 完整性检测工具（如 VeraPDF）进行签名验证；企业则应在文档流程中引入强制签名和时间戳，并在内部系统中监测异常的代码生成行为。

阅读原文 ›