論文の概要: Broken Gates: Re-evaluating Web Bot Defenses in the Age of LLM Agents
- arxiv url: http://arxiv.org/abs/2607.18659v1
- Date: Tue, 21 Jul 2026 03:02:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-22 19:05:05.298965
- Title: Broken Gates: Re-evaluating Web Bot Defenses in the Age of LLM Agents
- Title（参考訳）: Broken Gates: LLMエージェント時代におけるWebボット防衛の再評価
- Abstract要約: 我々は,商業的なCaptcha解決サービスとLLMベースのブラウザエージェントの2つの攻撃クラスに対して,挑戦ベースの防御と非対話的信頼ベースの防御のレジリエンスを評価する。
以上の結果から, チャレンジベース防衛は, ほぼ完全なバイパスを無視可能なコストで達成できる商業的解決者に対して, 広範囲に効果がないことが示唆された。
reCaptcha v3のような非インタラクティブな防御は強い抵抗を示すが、このレジリエンスは基本的なセキュリティ特性を反映していない。
- 参考スコア（独自算出の注目度）: 0.10467550794914121
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LLM-based browser agents are rapidly changing the threat landscape for web security. Unlike traditional automation frameworks that execute predefined scripts, these agents can autonomously navigate websites, reason about page content, and interact with web interfaces using natural-language instructions. This evolution raises fundamental questions about the effectiveness of bot management systems, widely deployed to defend against automated web abuse. In this paper, we present a systematic measurement study evaluating the resilience of both interactive challenge-based defenses and non-interactive trust-based defenses against two attacker classes: commercial Captcha-solving services and LLM-based browser agents. Our evaluation spans seven solver services and six agents, including cloud-hosted, self-hosted, AI-assisted, and browser-extension configurations, tested against hCaptcha, reCaptcha v2, reCaptcha v3, and Cloudflare Turnstile. Our results show that challenge-based defenses are broadly ineffective against commercial solvers, which achieve near-perfect bypass at negligible cost. The challenges can similarly be defeated by LLM-based agents when a dedicated solver module is available. Non-interactive defenses such as reCaptcha v3 exhibit stronger resistance, but our analysis reveals that this resilience does not reflect a fundamental security property. Through fine-grained interaction trace analysis, we find that two agents with nearly indistinguishable behavioral footprints yield divergent outcomes, one bypassing the defense and one failing, isolating execution-environment authenticity, rather than agent behavior, as the determining factor. These findings suggest that the security boundary of non-interactive defenses lies at the environment layer, with significant implications for how bot management systems are designed and evaluated.
- Abstract（参考訳）: LLMベースのブラウザエージェントは、Webセキュリティの脅威環境を急速に変えつつある。
事前に定義されたスクリプトを実行する従来の自動化フレームワークとは異なり、これらのエージェントはWebサイトを自律的にナビゲートし、ページの内容について推論し、自然言語命令を使ってWebインターフェースと対話することができる。
この進化は、自動化されたWebの悪用を防ぐために広く展開されているボット管理システムの有効性に関する根本的な疑問を提起する。
本稿では,対話型チャレンジベースディフェンスと非対話型信頼ベースディフェンスの2つの攻撃クラスに対するレジリエンスを評価する。
評価対象は、クラウドホスト、セルフホスト、AIアシスト、ブラウザ拡張構成を含む7つのソルバサービスと6つのエージェントで、hCaptcha、reCaptcha v2、reCaptcha v3、Cloudflare Turnstileに対してテストされています。
以上の結果から, チャレンジベース防衛は, ほぼ完全なバイパスを無視可能なコストで達成できる商業的解決者に対して, 広範囲に効果がないことが示唆された。
この課題は、専用のソルバモジュールが利用可能である場合、LLMベースのエージェントによって打ち負かされる。
reCaptcha v3のような非インタラクティブな防御は強い抵抗を示すが、このレジリエンスは基本的なセキュリティ特性を反映していない。
微粒な相互作用トレース分析により, ほぼ区別不能な行動フットプリントを持つ2つのエージェントが, 防御をバイパスし, 失敗するエージェントがエージェントの行動よりも実行環境の信頼性を分離して, 異なる結果をもたらすことがわかった。
これらの結果は,非対話型防衛のセキュリティ境界が環境層にあることを示唆し,ボット管理システムの設計と評価に重要な意味を持っている。
関連論文リスト
- Invisible Ink Threats: Adversarial Goals Behind Legitimate Tasks in Computer-Use Agents [10.553545687886928]
我々は、一見無害な敵タスクのコレクションであるII-Benchを提示する。
II-Benchは、3つのプラットフォームにわたる機密性および整合性攻撃をターゲットにした444の例で構成されている。
また,包括的対角テストフレームワークHITLCUAを構築した。
論文 参考訳（メタデータ） (2026-08-03T10:16:53Z) - Whose Agent Are You? Multi-Layer Fingerprinting and Attribution of Autonomous Web Agents [14.225575847186592]
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。
論文 参考訳（メタデータ） (2026-06-18T20:07:39Z) - 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) - BrowseSafe: Understanding and Preventing Prompt Injection Within AI Browser Agents [8.923854146974783]
本稿では,実際のHTMLペイロードに埋め込まれた攻撃のベンチマークを合成し,インジェクション攻撃の現場を考察する。
私たちのベンチマークは、単なるテキスト出力ではなく、現実世界のアクションに影響を与えるインジェクションを強調することで、以前の作業を超えています。
アーキテクチャとモデルに基づく防御を両立する多層防衛戦略を提案する。
論文 参考訳（メタデータ） (2025-11-25T18:28:35Z) - BrowserArena: Evaluating LLM Agents on Real-World Web Navigation Tasks [51.803138848305814]
我々はBrowserArenaを紹介した。BrowserArenaは、ユーザから送信されたタスクを収集するオープンソースのエージェント評価プラットフォームである。
Captcha解決、ポップアップバナー削除、URLへのダイレクトナビゲーションの3つの一貫した障害モードを特定します。
本研究は,Webエージェントの多様性と脆性の両方を明らかにする。
論文 参考訳（メタデータ） (2025-10-02T15:22:21Z) - Mind the Web: The Security of Web Use Agents [11.075673765065103]
本稿では,Webページに悪意のあるコンテンツを埋め込むことで,攻撃者がWeb利用エージェントを利用する方法を示す。
本稿では,悪質なコマンドをタスクガイダンスとしてフレーム化するタスクアラインインジェクション手法を提案する。
本稿では,監視機構,実行制約,タスク認識推論技術などを含む包括的緩和戦略を提案する。
論文 参考訳（メタデータ） (2025-06-08T13:59:55Z) - WebCoT: Enhancing Web Agent Reasoning by Reconstructing Chain-of-Thought in Reflection, Branching, and Rollback [78.55946306325914]
有効なWebエージェントに必要な重要な推論スキルを同定する。
我々はエージェントの推論アルゴリズムを連鎖論理に再構成する。
このアプローチは、複数のベンチマークで大幅に改善される。
論文 参考訳（メタデータ） (2025-05-26T14:03:37Z) - AgentVigil: Generic Black-Box Red-teaming for Indirect Prompt Injection against LLM Agents [54.29555239363013]
本稿では,間接的なインジェクション脆弱性を自動的に検出し,悪用するための汎用的なブラックボックスファジリングフレームワークであるAgentVigilを提案する。
我々はAgentVigilをAgentDojoとVWA-advの2つの公開ベンチマークで評価し、o3-miniとGPT-4oに基づくエージェントに対して71%と70%の成功率を達成した。
攻撃を現実世界の環境に適用し、悪質なサイトを含む任意のURLに誘導するエージェントをうまく誘導する。
論文 参考訳（メタデータ） (2025-05-09T07:40:17Z) - Why Are Web AI Agents More Vulnerable Than Standalone LLMs? A Security Analysis [47.34614558636679]
本研究では,WebAIエージェントの脆弱性の増加に寄与する要因について検討する。
我々は,WebAIエージェントの脆弱性を増幅する3つの重要な要因,(1)ユーザの目標をシステムプロンプトに埋め込んだこと,(2)マルチステップアクション生成,(3)観察能力の3つを特定した。
論文 参考訳（メタデータ） (2025-02-27T18:56:26Z) - 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) - Baseline Defenses for Adversarial Attacks Against Aligned Language
Models [109.75753454188705]
最近の研究は、テキストのモデレーションが防御をバイパスするジェイルブレイクのプロンプトを生み出すことを示している。
検出(複雑度に基づく)、入力前処理(言い換えと再帰化)、対人訓練の3種類の防衛について検討する。
テキストに対する既存の離散化の弱点と比較的高いコストの最適化が組み合わさって、標準適応攻撃をより困難にしていることがわかった。
論文 参考訳（メタデータ） (2023-09-01T17:59:44Z)
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。