Owner-Harm Framework: восемь сценариев когда AI-агент вредит вам, а не третьим лицам

Системы защиты LLM ловят вред посторонним людям в 100% случаев — и в 14% случаев, когда агент сливает ваши собственные ключи доступа. Это не гипотетика: Slack AI утекал токены доступа, Microsoft Copilot пересылал письма чужим через вредоносные приглашения в календаре, агент Meta публиковал внутренние данные на форуме. Фреймворк Owner-Harm даёт карту восьми угроз и принцип защиты: чем больше контекста о задаче и разрешённых действиях, тем лучше агент отличает атаку от легальной операции. Фишка: проблема не в сложности задачи — обычный LLM с простым контекстным промптом справляется на 59%, а специализированные защиты — только на 14%. Разрыв возникает из-за жёстко прошитых паттернов, которые не обобщаются на новые сценарии.