論文の概要: Whose Agent Are You? Multi-Layer Fingerprinting and Attribution of Autonomous Web Agents
- arxiv url: http://arxiv.org/abs/2606.20910v1
- Date: Thu, 18 Jun 2026 20:07:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 12:02:31.633126
- Title: Whose Agent Are You? Multi-Layer Fingerprinting and Attribution of Autonomous Web Agents
- Title（参考訳）: 誰のエージェントか? 多層フィンガープリントと自律型Webエージェントの貢献
- Authors: Dayeon Kang, Hyejun Jeong, Jade Sheffey, Pubali Datta, Amir Houmansadr,
- Abstract要約: 我々は,多層指紋を用いて,AI Webエージェントを人間や伝統的なクローラーと効果的に区別できることを示す。
我々はこのメカニズムを,ライブな計測可能なドメインにデプロイ可能なプログラムロギングフレームワークとして実装する。
本研究は, クロスレイヤーエージェントトラッキングが, コンテンツ保護とWebセキュリティポリシーの施行に対して, 堅牢かつ回避性のある戦略を提供することを示した。
- 参考スコア（独自算出の注目度）: 14.225575847186592
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As AI web agents proliferate, combining large language models with autonomous, browser-level control, indiscriminate content scraping by web agents has emerged as a privacy and security challenge. Existing defenses, such as robots.txt and active bot-blocking, are insufficient, as they are widely violated and easily circumvented. In this work, we demonstrate that AI web agents can be effectively distinguished from humans and traditional crawlers using a multi-layer fingerprint based on both network layer characteristics (e.g., TLS, HTTP) and browser interaction behavior. We implement this mechanism as a programmatic logging framework that can be deployed on a live, instrumented domain. By analyzing six prominent agent frameworks (AutoGen, Browser Use, Claude, Gemini, Operator, and Skyvern), we uncover latent structural differences in how these systems assemble HTTP requests, establish TLS/HTTP connections, and execute autonomous browser actions. Feeding these multi-layer features into a decision tree classifier, our framework achieves high-fidelity identification (97% accuracy), successfully isolating distinct agent architectures and differentiating agent traffic from both human browsing baselines and legacy crawlers. Our findings demonstrate that cross-layer agent tracking provides a robust, evasion-resistant strategy for content protection and web security policy enforcement.
- Abstract（参考訳）: AI Webエージェントの普及に伴い、大規模な言語モデルとブラウザレベルの自律的なコントロールを組み合わせることで、Webエージェントによる非差別的なコンテンツスクラップが、プライバシとセキュリティ上の課題として浮上している。
ロボット.txtやアクティブボットブロックのような既存の防御は、広く侵害され容易に回避されるため不十分である。
本研究では,ネットワーク層特性(TLS,HTTPなど)とブラウザのインタラクション動作の両方に基づいて,多層指紋を用いて,AI Webエージェントを人間や従来のクローラと効果的に区別できることを実証する。
我々はこのメカニズムを,ライブな計測可能なドメインにデプロイ可能なプログラムロギングフレームワークとして実装する。
著名なエージェントフレームワーク6つ(AutoGen、Browser Use、Claude、Gemini、Operator、Skyvern)を分析して、これらのシステムがHTTPリクエストをどのように組み立てるか、TLS/HTTP接続を確立し、自律的なブラウザアクションを実行するか、構造的な違いを明らかにしました。
これらの多層特徴を決定木分類器に入力し、高忠実度同定(97%の精度)を行い、異なるエージェントアーキテクチャを分離し、人間のブラウジングベースラインとレガシークローラの両方からエージェントトラフィックを識別することに成功した。
本研究は, クロスレイヤーエージェントトラッキングが, コンテンツ保護とWebセキュリティポリシーの施行に対して, 堅牢かつ回避性のある戦略を提供することを示した。
関連論文リスト
- DecodingTrust-Agent Platform (DTap): A Controllable and Interactive Red-Teaming Platform for AI Agents [121.77550256034]
DecodingTrust-Agent Platform (DTap)は、AIエージェントのためのコントロール可能でインタラクティブなレッドチームプラットフォームである。
DTap-Redは、多様なインジェクションベクターを探索し、効果的な攻撃戦略を自律的に発見する、最初の自律的赤チームエージェントである。
DTapを通じて、さまざまなバックボーンモデル上に構築された一般的なAIエージェントの大規模評価を行う。
論文 参考訳（メタデータ） (2026-05-06T11:59:48Z) - WebAgentGuard: A Reasoning-Driven Guard Model for Detecting Prompt Injection Attacks in Web Agents [117.65855863464863]
Webエージェントはインジェクション攻撃に対して非常に脆弱である。
システム・プロンプト・ディフェンス(英語版)やエージェントの直接微調整を含む既存の防御は、効果が限られている。
本稿では,WebAgentGuardを導入し,インジェクション検出のためのマルチモーダルガードモデルを提案する。
論文 参考訳（メタデータ） (2026-04-14T04:50:35Z) - Exposing Weak Links in Multi-Agent Systems under Adversarial Prompting [5.544819942438653]
本稿では,マルチエージェントシステムのセキュリティ評価を行うフレームワークであるSafeAgentsを提案する。
広く採用されている5つのマルチエージェントアーキテクチャについて検討する。
この結果から,一般的なデザインパターンには重大な脆弱性があることが判明した。
論文 参考訳（メタデータ） (2025-11-14T04:22:49Z) - Internet 3.0: Architecture for a Web-of-Agents with it's Algorithm for Ranking Agents [0.0]
textbfAgentRank-UCは,Emphusage(選択頻度)とemphcompetence(品質,コスト,安全性,レイテンシ)を組み合わせた動的信頼認識アルゴリズムである。
本稿では,コンバージェンス,ロバスト性,シビル抵抗に関するシミュレーション結果と理論的保証について述べる。
論文 参考訳（メタデータ） (2025-09-05T10:04:33Z) - A Whole New World: Creating a Parallel-Poisoned Web Only AI-Agents Can See [0.0]
悪意のあるWebサイトは、受信した要求をAIエージェントから派生したものとして識別し、そのコンテンツの異なる“クラック”バージョンを動的に提供する。
人間のユーザーは良心的なWebページを見るが、エージェントには、隠された悪意のある命令が埋め込まれた視覚的に同一のページが表示される。
この研究は脅威モデルを形式化し、エージェントフィンガープリントとクローキングの仕組みを詳述し、エージェントAIの将来に対する深刻なセキュリティへの影響について論じる。
論文 参考訳（メタデータ） (2025-08-29T08:14:52Z) - Manipulating LLM Web Agents with Indirect Prompt Injection Attack via HTML Accessibility Tree [8.511846002129522]
敵はWebページHTMLにユニバーサルな敵のトリガーを埋め込んでエージェントの動作をハイジャックできることを示す。
本システムは,ターゲット攻撃と一般攻撃の両方において,実際のWebサイト間で高い成功率を示す。
論文 参考訳（メタデータ） (2025-07-20T03:10:13Z) - Beyond Browsing: API-Based Web Agents [58.39129004543844]
APIベースのエージェントはWebArenaの実験でWebブラウザエージェントを上回っている。
ハイブリッドエージェント(Hybrid Agents)は、タスク全体にわたって、ほぼ均一にパフォーマンスを向上する。
結果から,APIが利用可能であれば,Webブラウジングのみに依存するという,魅力的な代替手段が提示されることが強く示唆された。
論文 参考訳（メタデータ） (2024-10-21T19:46:06Z) - Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。
我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。
IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
論文 参考訳（メタデータ） (2024-07-09T17:33:24Z) - Dissecting Adversarial Robustness of Multimodal LM Agents [70.2077308846307]
我々は、VisualWebArena上に現実的な脅威モデルを用いて、200の敵タスクと評価スクリプトを手動で作成する。
我々は,クロボックスフロンティアLMを用いた最新のエージェントを,リフレクションやツリーサーチを行うエージェントを含む,壊すことに成功している。
AREを使用して、新しいコンポーネントの追加に伴うロバスト性の変化を厳格に評価しています。
論文 参考訳（メタデータ） (2024-06-18T17:32:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。