이 논문은 헬스케어 기록이나 금융 문서처럼 추론 시점에 숨겨진 컨텍스트로 조립되는 민감 데이터를 다루는 에이전트형 AI 시스템의 프라이버시 위험을 다룬다. 컨텍스트 비공개 지시, 로짓 억제, 컨텍스트 희석 같은 방어 기법을 적용해도, 평가 대상 웹브라우징 에이전트는 여전히 자신이 몰래 불러들인 기록에 대한 악용 가능한 신호를 노출하는 것으로 나타났다. 연구진은 이를 '컨텍스트 추론 공격'으로 정식화하고, 알려진 컨텍스트·알려지지 않은 컨텍스트·에이전트가 직접 검색한 컨텍스트라는 공격자 지식 감소 순의 세 시나리오에서 평가했다. 단일 공격 기법이 세 시나리오 모두에서 그대로 통했으며, 알려진 컨텍스트 대상 소규모 후보군에서 공격 성공률 100%(1024개 후보에서도 63%), 템플릿과 주변 기록이 미지일 때 AUROC 78.9, 14B 대리 모델이 32B 타깃을 평가할 때 AUROC 92.5, 에이전트의 검색 결과로 기록이 유입될 때 AUROC 81.8을 기록했다.

• •숨겨진 컴텍스트에 담긴 민감 데이터를 노출시키는 '컸텍스트 추론 공격'을 새롭게 정식화했다.
• •비공개 지시·로짓 억제·컸텍스트 희석 방어에도 웹브라우징 에이전트가 여전히 취약함을 확인했다.
• •알려진 컸텍스트 대상 소규모 후보군에서 공격 성공률 100%를 기록했다.
• •템플릿·주변 기록이 미지인 상황에서도 AUROC 78.9의 높은 탐지력을 보였다.
• •14B 대리 모델로 32B 타겟을 평가할 때 AUROC 92.5로 가장 높은 탐지 성능을 보였다.