論文の概要: WebMaze: Defending Against LLM-Powered Web Scanners with Functionality-Coupled Deception

• arxiv url: http://arxiv.org/abs/2610.38524v1
• Date: Wed, 28 Oct 2026 09:35:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 10:22:14.243633
• Title: WebMaze: Defending Against LLM-Powered Web Scanners with Functionality-Coupled Deception
• Title（参考訳）: WebMaze: 関数型結合型推論によるLLM駆動のWebスキャナに対する防御
• Abstract要約: 大規模言語モデル(LLM)により、Webアプリケーションのより効果的な脆弱性スキャンが可能になった。 悪意のあるLCMベースのWebスキャニングの仕方について検討し、実際の機能をデプロイ要件として保存する。 我々は,LDMベースのスキャナをデコイの世界に分散させながら,真のアプリケーション機能を維持するためのWebMazeについて述べる。
• 参考スコア（独自算出の注目度）: 9.012198585960443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) have enabled more effective vulnerability scanning of web applications. However, these capabilities also make it significantly easier for attackers to automate cyberattacks on the web. In this work, we investigate how to divert malicious LLM-based web scanning, with preservation of genuine functionality as a deployment requirement. We systematically study six LLM-based scanners and summarize how they gather information and iteratively select actions based on observations. Guided by the study, we then present WebMaze, a defense that preserves genuine application functionality while diverting LLM-based scanners to a generated decoy world. WebMaze embeds functionality-coupled traps in genuine pages and constructs view-tailored interactive decoy worlds from the application's existing views. The traps blend into genuine components and expose entry points to decoy worlds that sustain exploration through connected pages and interactions without changing genuine functionality. Across 12 web applications and three LLM-based scanners under the default no-disclosure setting, decoy pages account for an average of 93.0% of the distinct pages requested per run. This demonstrates that WebMaze effectively diverts scanners away from genuine application pages and into the generated decoy worlds. Even when explicitly informed about the decoy mechanism and instructed to avoid decoy pages, scanners continue to explore predominantly decoy pages.
• Abstract（参考訳）: 大規模言語モデル(LLM)により、Webアプリケーションのより効果的な脆弱性スキャンが可能になった。 しかし、これらの機能は、攻撃者がWeb上でのサイバー攻撃を自動化するのを著しく容易にする。 本研究では,悪意のあるLCMベースのWebスキャニング手法について検討し,実際の機能をデプロイ要件として保存する。 6つのLCMスキャナーを体系的に研究し、それらがどのように情報を収集するかを要約し、観察に基づいて反復的に行動を選択する。 この研究でガイドされたWebMazeは、LCMベースのスキャナをデコイの世界に分散させながら、本物のアプリケーション機能を保存する。 WebMazeは、機能を結合したトラップを本物のページに埋め込んで、アプリケーションの既存のビューからビューをカスタマイズしたインタラクティブなデコイ世界を構築する。 トラップは本物のコンポーネントにブレンドされ、本当の機能を変更することなく、接続されたページやインタラクションを通じて探索を継続する世界へエントリポイントを公開する。 12のWebアプリケーションと3つのLDMベースのスキャナが、デフォルトでは公開されていない設定で、deoyページは実行時に要求される異なるページの93.0%を占めている。 これは、WebMazeがスキャナを本物のアプリケーションページから、生成されたデコイの世界へと効果的に分離することを実証している。 デコイ機構を明示的に通知し、デコイページを避けるよう指示しても、スキャナーはデコイページの大半を探索し続ける。

関連論文リスト

• The Innocent Courier: Covert Exfiltration Through Legitimate LLM Web Fetching [56.52163437439819]
  LLM(Large-Language-Models)とLLMベースのエージェントは、機密データをサードパーティにリークするリスクがある。 LLMLeakは、ローカルで動作する悪意のあるソフトウェアが、LLMを悪用して隠蔽チャネルを確立するために直接通信できない、新たな攻撃ベクトルである。 クライアント側の悪意あるソフトウェアコンポーネントは、秘密をURLに埋め込む。LLMがURLにアクセスすると、攻撃者は攻撃者が制御するDNSまたはWebサーバを介して暗号化された秘密を受け取る。
  論文  参考訳（メタデータ） (2026-10-01T14:25:55Z)
• SpiderSapien: Client-Centric Web Crawler and Security Scanner [11.836785827048379]
  クライアント中心のクローラとセキュリティスキャナであるSpiderSapienを提案する。 SpiderSapienは、Webアプリケーションから高レベルのユーザ向けフィードバックチャネルのユニークな組み合わせを組み込んでいる。 そこで我々は,最新のWebアプリケーションのディープステートを確実に発見し,テストする方法を実証する。
  論文  参考訳（メタデータ） (2026-09-02T12:42:39Z)
• 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)
• WebWalker: Benchmarking LLMs in Web Traversal [64.48425443951749]
  WebWalkerQAは,LLMがWebトラバースを実現する能力を評価するためのベンチマークである。 本稿では,WebWalkerを提案する。WebWalkerは,探索的・批判的パラダイムを通じて,人間のようなWebナビゲーションを模倣するマルチエージェントフレームワークである。
  論文  参考訳（メタデータ） (2025-01-13T18:58:07Z)
• AutoScraper: A Progressive Understanding Web Agent for Web Scraper Generation [54.17246674188208]
  Webスクレイピングは、Webサイトからデータを抽出し、自動データ収集を可能にし、データ分析機能を強化し、手動のデータ入力作業を最小化する強力なテクニックである。 既存の手法では、ラッパーベースの手法は、新しいウェブサイトで直面する場合、適応性とスケーラビリティの制限に悩まされる。 本稿では,大規模言語モデル(LLM)を用いたWebスクレイパー生成のパラダイムを紹介し,多様なWeb環境をより効率的に処理できる2段階フレームワークであるAutoScraperを提案する。
  論文  参考訳（メタデータ） (2024-04-19T09:59:44Z)
• Detecting Phishing Sites Using ChatGPT [2.3999111269325266]
  本稿では,大規模言語モデル(LLM)を用いてフィッシングサイトを検出するChatPhishDetectorという新しいシステムを提案する。 本システムでは,Webクローラを利用してWebサイトから情報を収集し,クローリングデータに基づいてLLMのプロンプトを生成し,LLMが生成した応答から検出結果を取得する。 GPT-4Vを用いた実験結果は、98.7%の精度と99.6%のリコールで優れた性能を示し、他のLLMや既存のシステムよりも優れていた。
  論文  参考訳（メタデータ） (2023-06-09T11:30:08Z)
• Not what you've signed up for: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection [64.67495502772866]
  大規模言語モデル(LLM)は、様々なアプリケーションに統合されつつある。 本稿では、プロンプトインジェクション攻撃を用いて、攻撃者が元の命令をオーバーライドし、制御を採用する方法を示す。 我々は、コンピュータセキュリティの観点から、影響や脆弱性を体系的に調査する包括的な分類法を導出する。
  論文  参考訳（メタデータ） (2023-02-23T17:14:38Z)

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。