破碎之门：LLM代理时代重新评估Web机器人防御

一项系统测量研究评估了LLM浏览器代理对挑战式防御（如hCaptcha、reCaptcha v2）和信任式防御（如reCaptcha v3）的绕过能力。结果显示，挑战式防御被商业求解器和配备专用求解器模块的LLM代理以低成本几乎完全绕过；非交互式防御（reCaptcha v3）抵抗力虽较强，但并非根本性安全，执行环境差异可导致相同行为产生不同结果。

LLM代理能自主导航和理解页面内容，使得传统挑战式验证码近乎失效，非交互式防御也暴露了非根本性弱点，威胁现有bot管理系统，安全厂商需重新评估防御架构。

LLM代理利用自然语言理解能力自主操作网页，配合专用求解器模块可绕过视觉/挑战式验证；非交互式防御依赖行为特征分析，但研究发现两个行为几乎相同的代理却得到不同通过结果，说明执行环境等因素影响防御判定，且防御并非基于根本性安全属性。

依赖CAPTCHA验证的产品（如注册、登录、数据抓取防护）面临被LLM代理绕过的直接风险；现有bot管理系统的有效性受到挑战，可能需要增加执行环境指纹检测或升级为更复杂的交互式防御。

• 开发结合执行环境指纹和行为序列深度分析的防御机制，利用论文中提及的细粒度交互轨迹差异来区分人类与LLM代理
• 推出LLM代理对抗测试服务，帮助企业提前评估自身bot防御的薄弱点
• 设计多模态挑战（如结合视觉推理与逻辑问题）增加LLM代理绕过成本
• 构建基于LLM代理主动诱捕的蜜罐策略，识别并拦截自动化攻击

• LLM代理绕过非交互式防御的具体执行环境因素有哪些？
• 是否存在可完全防止LLM代理绕过的新型验证机制？
• 论文中提到的六个LLM代理的具体配置差异如何影响成功率？
• 商业求解器与LLM代理结合时，最低绕过成本具体是多少？