LLM（大規模言語モデル）を活用したエージェントは人気を集めていますが、特にTOCTOU（Time-of-Check to Time-of-Use）の脆弱性など、新たなセキュリティ脆弱性を引き起こしています。TOCTOU脆弱性とは、状態の検証後に使用前に変更が行われることで、悪用可能な問題を引き起こすものです。本研究は、LLMエージェント内のTOCTOU脆弱性に特化した最初の研究です。著者らは、TOCTOU脆弱性を検出するために設計された66の現実的なユーザータスクを含むベンチマーク、TOCTOU-Benchを導入しました。彼らは、この文脈での適用に向けて、システムセキュリティから検出および緩和技術を適応させました。これらの対策には、プロンプトの書き換え、状態の整合性監視、およびツール融合戦略が含まれます。自動検出方法は、エージェントワークフロー内で最大25％の検出精度を達成しました。緩和戦略は、脆弱なプランの生成と攻撃の機会を大幅に削減しました。3つの方法を組み合わせることで、実行された軌跡におけるTOCTOU脆弱性の発生率が減少しました。本研究は、TOCTOU攻撃に対するエージェントワークフローの保護における独自の課題を強調しています。この研究は、AI安全性とシステムセキュリティにおける新たな研究の道を開くことを目的としています。