arXiv cs.AI· Dayeon Kang, Hyejun Jeong, Jade Sheffey, Pubali Datta, Amir Houmansadr·· 1 天前AI 评分38
研究提出多层指纹识别方法，可区分 AI 网页智能体与人类及传统爬虫
Whose Agent Are You? Multi-Layer Fingerprinting and Attribution of Autonomous Web Agents
AI 导读
一项研究提出基于网络层特征（TLS、HTTP）与浏览器交互行为的多层指纹，可将 AI 网页智能体与人类浏览及传统爬虫区分开。研究分析了 AutoGen、Browser Use、Claude、Gemini、ChatGPT 和 Skyvern 六个智能体框架，用决策树分类器实现 100% 准确率识别。该机制已实现为可部署在真实域名上的程序化日志框架。
正文 · AI 翻译
摘要：随着 AI 网络代理的激增——将大语言模型与自主的浏览器级控制相结合——网络代理不加区分的内容抓取已成为隐私和安全挑战。现有防御措施，如此 http URL和主动机器人拦截，并不充分，因为它们被广泛违反且容易被规避。在这项工作中，我们证明，使用基于网络层特征（例如 TLS、HTTP）和浏览器交互行为的多层指纹，可以有效地将 AI 网络代理与人类和传统爬虫区分开来。我们将此机制实现为一个可编程日志框架，可部署在实时、已插桩的域上。
通过分析六个主流代理框架（AutoGen、Browser Use、Claude、Gemini、ChatGPT 和 Skyvern），我们揭示了这些系统在组装 HTTP 请求、建立 TLS/HTTP 连接和执行自主浏览器操作方式上的潜在结构差异。将这些多层特征输入决策树分类器，我们的框架实现了高保真识别（100% 准确率），成功隔离了不同的代理架构，并将代理流量与人类浏览基线和传统爬虫区分开来。我们的发现表明，跨层代理跟踪为内容保护和网络安全策略执行提供了一种稳健的方法。
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2606.20910 [cs.CR] |
| （或 arXiv:2606.20910v2 [cs.CR] 为此版本） | |
| https://doi.org/10.48550/arXiv.2606.20910 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Dayeon Kang [查看电子邮件]
[v1]
2026年6月18日星期四 20:07:39 UTC（10,045 KB）
[v2]
2026年11月11日星期三 16:32:50 UTC（3,528 KB）
来源：arXiv cs.AI · arxiv.org