大型语言模型（LLM）智能体在各类现实应用中日益普及。为辅助决策，它们会将用户与智能体之间的私人交互信息存储在记忆模块中，这为LLM智能体带来了新的隐私风险。本研究在黑盒环境下，针对我们提出的记忆提取攻击（MEXTRA），系统地探究了LLM智能体的脆弱性。为从记忆中提取私人信息，我们提出了一种有效的攻击提示设计方案，以及一种基于对LLM智能体不同认知程度的自动提示生成方法。在两个具有代表性的智能体上开展的实验，验证了MEXTRA攻击的有效性。
