AgentSnare：用轨迹自适应欺骗延缓并瓦解自主网页渗透智能体

论文提出轨迹自适应诱饵系统 AgentSnare 抵御渗透智能体

资讯摘要

论文提出 AgentSnare，一种轨迹自适应欺骗系统，在智能体探索过程中同步扩展诱饵环境，以延缓、转移并化解自主网页渗透智能体的攻击。其在线部署方案 ShadowOS 由 LLM 驱动的诱饵构造器与虚拟内核组成，持续生成并一致化诱饵产物以支撑长程探索；作者还用离线对抗交互模拟框架训练小模型以降低部署成本。

要点速读

1. AgentSnare 在探索过程中扩展诱饵环境，ShadowOS 结合 LLM 诱饵构造器与虚拟内核，跨交互一致地生成诱饵产物。
2. 作者用离线对抗交互模拟框架合成多轮轨迹并训练小 LLM，以替代成本高、速度慢的强 LLM 诱饵构造。
3. 在 15 个 CVE-Bench 网页应用和四种攻击模型上，作者报告吸收 49.9% 工具调用、将 57.2% 进入后动作留在诱饵中、89.5% 完成报告基于诱饵证据，60 组攻击者-CVE 配对在 pass@3 下未攻破真实目标。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。