上海创智学院与复旦发布 MATE：面向移动 Agent 轨迹的规则感知安全审计模型
给智能体的整条操作轨迹配一个能读规则的审计员：规则可编辑、判断可解释，模型还能本地轻量部署。
上海创智学院与复旦大学团队提出 MATE，这是首个面向移动 / GUI 智能体执行轨迹的「规则感知」安全审计模型，已被 USENIX Security 2026 收录。它把自然语言安全规则与任务指令、执行轨迹一起输入模型，输出是否违规、风险类别以及基于轨迹证据的审计解释，并提供 0.5B、1.5B、3B 三种轻量规模。
正文摘录
.jpg)  智能体时代，安全研究不仅要关心模型说了什么，现在还必须进一步回答：它做了什么、为什么这么做，以及这次的执行轨迹是否越过了当前场景明确规定的安全边界。 2026 年 5 月 8 日，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》，明确提出发展「 规则内嵌、行为围栏 」等技术，探索建立重要场景下智能体行为 可验证、可追溯 机制，并研究智能体安全检测技术与安全评估体系。此外，NIST 启动 AI Agent Standards Initiative，OWASP 也发布 Agentic Applications Top 10。「智能体能否被持续评估、被规则约束、被事后审计」，正在成为走向真实应用的一项基础能力。 近日， 上海创智学院与复旦大学团队提出针对智能体轨迹安全评估新方案 MATE ，首个面向移动 / GUI 智能体的执行轨迹进行「 规则感知 」安全审计模型。MATE 不是给智能体执行轨迹简答打一个 “安全 / 不安全” 的标签，而是把 自然语言安全规则 直接作为输入，与指令、轨迹进行联合建模，同时输出 风险类别 和 基于规则证据的审计解释 。