arXiv cs.AI· William Lugoloobi, Samuele Marro, Jabez Magomere, Joss Wright, Chris Russell·· 10 小时前AI 评分58
研究：通过 UI 轨迹指纹识别 LLM 浏览器智能体的底层模型
Known By Their Actions: Fingerprinting LLM Browser Agents via UI Traces
AI 导读
研究团队用被动 JavaScript 追踪器采集智能体的动作与交互时序，在固定 harness 下识别 14 个前沿 LLM 的底层模型，F1 最高达 96%。
正文 · AI 翻译
摘要：随着基于 LLM 的智能体越来越多地代表用户浏览网页，一个自然的问题随之产生：网站能否被动识别出驱动某个智能体的底层模型？这样做会带来重大的安全风险，使攻击者能够针对已知模型漏洞发起定向攻击。在 14 个前沿 LLM 和四个涵盖信息检索与购物任务的网络环境中，我们表明，通过被动 JavaScript 跟踪器捕获的智能体动作和交互时序，足以在固定测试框架内以高达 96\% 的 F1 值识别底层模型。尽管指纹具有框架特异性，跨框架迁移时性能降至接近随机水平，但汇集跨框架的轨迹可将模型识别恢复到 0.74 至 0.81 的 Macro-F1。我们进一步表明，仅用约三分之一的可用轨迹即可训练出强分类器，并且随着观察到的事件增多，识别效果稳步提升。在动作之间注入随机时序延迟会显著降低分类器性能，但并不能提供稳健的保护：在延迟轨迹上重新训练的分类器基本能恢复性能。我们在此 https URL发布了代码和带标签的智能体轨迹语料库。
| 评论： | 已被 NeurIPS 2026 接收 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；人机交互（cs.HC）；机器学习（cs.LG） |
| 引用为： | arXiv:2605.14786 [cs.CR] |
| （或使用 arXiv:2605.14786v2 [cs.CR] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2605.14786 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：William Gitta Lugoloobi [查看邮箱]
[v1]
2026年5月14日 星期四 12:55:19 UTC（592 KB）
[v2]
2026年11月10日 星期二 15:20:23 UTC（641 KB）
来源：arXiv cs.AI · arxiv.org