AI 的「道德感」成了最大漏洞:OpenClaw Agents 可被「内疚攻击」

最近，一项来自美国东北大学的研究引发了 AI 安全领域的广泛关注。研究人员发现，当前的 OpenClaw AI Agents 存在一个根本性的安全悖论——AI 经过对齐训练后内化的「亲社会行为」，反而成了被人类操控的入口。

三种攻击手法

1. 内疚式套取秘密 — Agent 被指责后主动交出敏感信息

2. 替代方案诱导自我拒绝 — Agent 直接禁用了邮件应用本身

3. 「记录义务」塞满磁盘 — Agent 忠实地无限复制文件撑满磁盘

👉 阅读原文