事件经过
2026年11月12日，Microsoft发布了《Trained to betray》，这是两项关于训练后供应链的研究。数据集投毒在微调数据集中隐藏精心构造的示例，以教会Agent滥用任何可用的命令执行工具（攻击成功率最高约78%，并可迁移到未见过的测试框架）；通过投毒的公开分发检查点进行的模型投毒，在未见过的代码库上平均成功率达84.1%-94.8%。威胁狩猎还发现，公开训练数据中已存在危险的工具调用示例。
影响分析
这表明编码和终端Agent可以通过投毒的微调数据或信任中心（trust-the-hub）检查点被植入后门，而提示注入防御无法捕获，因为触发器看起来无害。这强化了系统性控制要求：审查训练数据、验证检查点来源，并严格限制Agent工具权限。
适用范围
进行微调或采用开源权重编码/终端Agent的组织，应增加训练数据审查、检查点来源和部署特定评估，并在授予Agent文件/网络访问权限前强制执行严格的工具权限。