ANT：面向智能体行为审计的多粒度网络流量数据集与基准
Fan Li, Xiangyu Gao, Zixuan Liu, Tong Li, Chuanpu Fu, Ziqiang Wang, Ke Xu
摘要
随着大模型智能体的广泛采用，网络管理员与安全团队需要在不检查用户私密内容的前提下，审计组织网络内智能体的行为。网络流量是可观测的证据来源，但流量能在多大程度上揭示智能体的任务与操作仍不清楚；现有流量数据集缺少评估该问题所需的「任务+阶段」联合标注。为此作者提出 ANT（Agent Network Traffic）数据集，在流量之外提供风险、场景、行为原语三种粒度的智能体行为信息：含 3,114 个执行片段，覆盖 20 项任务、5 类场景，由 276,417 条双向流与 40,049 段行为原语（归入 47 个宏组）构成。基于 13 个代表性流量分析基线，作者建立智能体风险识别、场景识别与行为原语分类三项基准；结果显示现有方法能恢复出有用但不均衡的行为信号——当恶意工作流与良性任务相似时难以识别风险，流量模式相近的场景也难以区分；原语分类对高频宏组与流量特征鲜明的组更可靠，对稀有或语义相近的组较差。ANT 为从网络流量出发开展更精确的智能体行为审计与取证分析提供了共同基础。
引用本文条目
GB/T 7714-2015
Fan Li, Xiangyu Gao, Zixuan Liu, et al. ANT: A Multi-Granularity Network Traffic Dataset and Benchmark for Agents Behavior Auditing[EB/OL]. arXiv preprint arXiv:2610.06514 [cs.AI, cs.LG]; dataset and code released via an anonymized repository (anonymous.4open.science) at collection time, 2026(2026-10-05)[2026-10-12]. https://arxiv.org/abs/2610.06514.
BibTeX
@misc{li2026,
author = {Fan Li and Xiangyu Gao and Zixuan Liu and Tong Li and Chuanpu Fu and Ziqiang Wang and Ke Xu},
title = {ANT: A Multi-Granularity Network Traffic Dataset and Benchmark for Agents Behavior Auditing},
year = {2026},
organization = {arXiv preprint arXiv:2610.06514 [cs.AI, cs.LG]; dataset and code released via an anonymized repository (anonymous.4open.science) at collection time},
howpublished = {\url{https://arxiv.org/abs/2610.06514}},
} 本条目为「智联观察」资料库收录，引用时请注明来源与本页链接。