Apa yang terjadi
Pada 23 Oktober 2026, tiga Internet-Draft individu pendamping diajukan ke area IETF BPM oleh penulis dari China Mobile dan Huawei (Yu Han, Meiling Chen, Qiguang Fan, Qin Wu): 'Benchmarking Terminology for AI Agent Security Evaluation' (draft-hcf-bpm-agent-security-benchmark-terminology-00, Informational, berlaku hingga 26 Apr 2027) dan 'Evaluation Profiles for AI Agent Security Assessment' (draft-hcf-bpm-agent-security-benchmark-profiles-00), plus pendamping metodologi yang dirujuk (draft-hcf-bpm-agent-security-benchmark-methodology). Draf terminologi mendefinisikan empat dimensi evaluasi tingkat pertama (Foundation Model Security, Interaction Security, Operational Security, Basic Security), 55 metrik keamanan tingkat kedua, konvensi evaluasi metrik umum, dan tiga tingkat risiko keamanan agen. Draf profil menetapkan batas System Under Test dan skenario untuk menerapkan metrik tersebut melalui empat profil infrastruktur (foundation model, interaction access layer, execution/scheduling) dan enam profil skenario, termasuk aturan komposisi profil dan bidang logging minimum.
Mengapa penting
Ini adalah upaya awal untuk menstandarisasi bagaimana keamanan agen AI di-benchmark dan dievaluasi. Ini menetapkan kosakata bersama dan skema batas/skenario evaluasi yang dapat direproduksi sehingga hasil keamanan agen dapat dibandingkan di berbagai vendor dan penerapan — sebuah celah yang saat ini didekati dari arah berbeda oleh NIST AI Agent Security RFI, pekerjaan agentic OWASP, dan MITRE ATLAS. Saat agen AI mengambil tindakan produksi, seperangkat metrik keamanan yang umum dan terukur menjadi dasar bagi jaminan, pengadaan, dan pelaporan red-team.
Tindakan yang diperlukan
Tinjau draf terminologi dan profil serta pendamping metodologi; lacak atau kirim komentar tentang definisi metrik dan aturan batas SUT/komposisi profil jika Anda melakukan benchmark keamanan agen atau berencana membandingkan hasil keamanan agen antar vendor.