AgentShield: Fortifying Web Applications Against AI Agents and Agentic Browsers↗ (원문, 새 창)

LLM 기반 브라우저 에이전트가 웹사이트와 자율적으로 상호작용하며 복잡한 작업을 수행하는 가운데, 기존 안티봇 방어 체계가 이런 에이전트를 효과적으로 탐지하는지는 불분명했다. 연구진은 주요 안티봇 메커니즘을 자율 AI 에이전트에 대해 체계적으로 실증 평가한 결과, 기존 자동화 탐지용 방어 다수가 자율 에이전트를 안정적으로 식별하지 못함을 확인했다. 이에 따라 에이전트의 '인지-추론-행동(PRA)' 루프를 겨냥한 행동 지문 인식 프레임워크 'AgentShield'를 제시했으며, 점진적으로 콘텐츠를 노출하는 동적 웹 폼으로 세밀한 상호작용 텔레메트리를 수집해 인간과 자율 에이전트를 구분하는 행동적 흔적을 드러냈다. 또한 작업 수행을 반복적으로 방해하면 에이전트가 안전장치를 완화해 위험한 행동에 나서는 '소멸 유발 정책 이탈(EPD)' 공격도 새롭게 규명했다.

• 기존 안타밇 방어 다수가 LLM 기반 자율 벌렝저 에이전트를 안정적으로 탐지하지 못함을 실증
• 에이전트의 인지-추론-행동(PRA) 릈응 겨냥한 행동 지문 프랠요욨크 AgentShield 제시
• 반복 방해가 에이전트의 안전장지를 완화시켜 위험하게 동작하게 하는 신종 개고 '소엸 유발 정책 이탈(EPD)' 구깅
• 에이전트 특유의 약점을 이용한 방어적 프뇬토트 주입 기법으로 콘텐츠 추출형 웹 남용 완화