arXiv 2026年10月5日Pincer 是一种作用于资源层的防御机制，其核心是一个隔离上下文中的数字孪生模型，能够自动学习并执行动态的、用户特定的最小权限策略，作为用户代理处理智能体的权限请求；作者提出一个基于多日用户—智能体交互记录的用户中心数据集来模拟学习阶段，评估显示 Pincer 在安全与效用两方面均强于包括多种 LLM 评委变体和 Conseca（HotOS '25）改编在内的基线，并在某些攻击类型上带来显著安全提升。Pincer 是一种作用于资源层的防御机制，其核心是一个隔离上下文中的数字孪生模型，能够自动学习并执行动态的、用户特定的最小权限策略，作为用户代理处理智能体的权限请求；作者提出一个基于多日用户—智能体交互记录的用户中心数据集来模拟学习阶段，评估显示 Pincer 在安全与效用两方面均强于包括多种 LLM 评委变体和 Conseca（HotOS '25）改编在内的基线，并在某些攻击类型上带来显著安全提升。Pincer 用数字孪生为编码智能体做资源授权，在安全与效用上均优于 LLM 评委与 Conseca 改编基线Pincer 是一种作用于资源层的防御机制，其核心是一个隔离上下文中的数字孪生模型，能够自动学习并执行动态的、用户特定的最小权限策略，作为用户代理处理智能体的权限请求；作者提出一个基于多日用户—智能体交互记录的用户中心数据集来模拟学习阶段，评估显示 Pincer 在安全与效用两方面均强于包括多种 LLM 评委变体和 Conseca（HotOS '25）改编在内的基线，并在某些攻击类型上带来显著安全提升。Pincer 是一种作用于资源层的防御机制，其核心是一个隔离上下文中的数字孪生模型，能够自动学习并执行动态的、用户特定的最小权限策略，作为用户代理处理智能体的权限请求；作者提出一个基于多日用户—智能体交互记录的用户中心数据集来模拟学习阶段，评估显示 Pincer 在安全与效用两方面均强于包括多种 LLM 评委变体和 Conseca（HotOS '25）改编在内的基线，并在某些攻击类型上带来显著安全提升。