Before Acting, Change the State: Prospective State Intervention for Web Agents under Deceptive Interfaces
该论文关注 LLM 驱动的 Web 智能体(Web Agent)在真实网页环境中执行用户任务时的安全性问题。作者指出,现有的防御手段主要集中在「行为层」——即对智能体即将执行的动作进行拦截、引导或重新规划,但这类方法忽略了一种独立的失效模式
共收录 6 条相关情报。
← 返回所有主题该论文关注 LLM 驱动的 Web 智能体(Web Agent)在真实网页环境中执行用户任务时的安全性问题。作者指出,现有的防御手段主要集中在「行为层」——即对智能体即将执行的动作进行拦截、引导或重新规划,但这类方法忽略了一种独立的失效模式
该论文研究基于大语言模型(LLM)的Web智能体所面临的一种新型安全威胁,即登录诱导型间接提示注入攻击。Web智能体通过观察网页内容并模拟用户执行浏览器操作来自动完成任务,而登录过程涉及凭证和敏感信息,是重要的身份验证边界。现有研究已表明恶
本文提出 Prismata,一种针对自主 Web 智能体(web agent)的跨站提示注入攻击的防御框架。背景:自主 Web 智能体旨在自动化日常浏览任务,但继承了 Web 最古老的攻击面之一——跨站脚本攻击(XSS)表明混合可信与不可信
本文研究LLM驱动的Web Agent(基于大语言模型的自动化浏览器代理)的检测问题。自2023年以来,这类新型机器人能够自动化复杂网络任务,超越传统Selenium等工具,通过模仿人类行为甚至绕过多重反机器人机制。然而,网站管理员难以区分
本文研究了多模态Web智能体(Web Agent)中外部记忆组件(External Memory)的安全漏洞。现代Web智能体通常依赖外部记忆来存储长期经验,通过检索历史记录实现长程推理。然而,这种架构引入了一个关键风险:恶意内容若被注入记
该论文针对当前大语言模型(LLM)智能体的主流架构——ReAct范式提出了根本性质疑。ReAct让智能体在每一步观察网页内容后决定下一步动作,这使得来自卖家、客户、广告商等不同来源的网页内容直接流入模型,为提示注入攻击提供了直接路径。作者提