What Does It Take to Detect an AI Agent? Minimal Feature Sets for Behavioral Detection under Browser Automation
تقترح هذه الورقة إطار عمل للكشف ثلاثي الفئات يتغلب على قيود مصنفات "الإنسان مقابل البوت" الثنائية من خلال تحديد الوكلاء الاصطناعيين عبر مجموعات سمات سلوكية دنيا ومتينة (تحديداً معدل أحداث الماوس ونسبة النقر بالانتقال الآني) التي تستغل آثار أتمتة المتصفح المتأصلة بدلاً من أنماط الاستدلال، محققةً دقة كشف تقارب الكمال حتى في ظل محاولات التهرب المتطورة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل الإنترنت كمدينة ضخمة ومزدحمة. لعقود من الزمن، كانت وظيفة حراس الأمن عند البوابات بسيطة للغاية: كان عليهم فقط رصد نوعين من الزوار. كان هناك البشر، الذين يسيرون بخطوات طبيعية متموجة قليلاً، يتوقفون للتفكير، وأحياناً يتعثرون بأقدامهم. ثم كان هناك الروبوتات (Bots)، التي تشبه الآلات التي تعمل وفق جدول زمني صارم، تسير في خطوط مستقيمة تماماً، لا تتردد أبداً، وتتحرك بدقة ميكانيكية. بنى الحراس نظامهم بالكامل حول هذا التصنيف الثنائي "بشر مقابل روبوت". إذا كنت تمشي كإنسان، تدخل المدينة؛ وإذا كنت تسير كروبوت، يتم إيقافك.
لكن مؤخراً، بدأ نوع ثالث من الزوار بالظهور: الوكيل الذكي (AI Agent). فكر في هؤلاء كسيّاح فائقين الذكاء، يمكنهم قراءة الخرائط، وتخطيط مسارات معقدة، وحل الألغاز بشكل أفضل من أي شخص آخر. ومع ذلك، لا يزال يتعين عليهم استخدام أرصفة وممرات المشاة الخاصة بالمدينة للتنقل. المشكلة هي أن الوكلاء الأذكياء مخادعون. فهم أذكياء بما يكفي لـ التصرف كبشر عندما يحتاجون لذلك، لكنهم لا يزالون مضطرين لاستخدام نظام المترو الآلي في المدينة (أتمتة المتصفح) للتحرك. حراس الأمن القدامى، الذين تدربوا فقط على تمييز "البشر" أو "الروبوتات"، يشعرون بالارتباك. إنهم يسمحون للوكلاء الأذكياء بالتسلل عبر البوابة، ظناً منهم أنهم مجرد أشخاص عاديين، لأن هؤلاء الوكلاء أذكى من أن يبدوا مثل الروبوتات التقليدية التي تدرب الحراس على صيدها.
هذا هو اللغز الذي قرر فريق من الباحثين من جامعة ميونخ التقنية وشركة Kontext Security حله. لقد طرحوا سؤالاً بسيطاً ولكن جوهرياً: هل يمكننا التمييز بين الإنسان، والروبوت، والوكيل الذكي بمجرد مراقبة كيفية تحريك الفأرة والنقر على الأزرار؟ وإذا استطعنا، فما هو الحد الأدنى المطلق من المعلومات التي نحتاجها للقيام بذلك؟
أزمة الهوية الكبرى
وجد الباحثون أن أنظمة الأمن القديمة كانت تفشل بشكل ذريع. فعندما اختبروا كواشف "بشر مقابل روبوت" القياسية على هؤلاء الوكلاء الأذكياء، كانت النتائج فوضوية. فقد سمح أحد أنواع الكواشف الشائعة (يسمى MLP) لـ 39.1% من الوكلاء الأذكياء بالتسلل، ظناً منهم أنهم بشر. كما سمح كاشف متطور آخر (يسمى SAINT) لـ 34.5% منهم بالمرور. حتى نموذج "الغابة العشوائية" (Random Forest) أخطأ في 30.0% منهم.
أدرك الفريق أن الأمر لم يكن بسبب "غباء" الكواشف فحسب، بل كان مشكلة هيكلية. فقد بُنيت الكواشف بوجود صندوقين فقط لتصنيف الناس فيهما: "بشر" أو "روبوت". وعندما يظهر وكيل ذكي، فإنه لا يتناسب بدقة مع أي من الصندوقين، لذا يقوم الكاشف بمجرد التخمين. وقد أثبت الباحثون أنه لو قاموا ببساطة بإضافة صندوق ثالث بعنوان "وكيل"، ستصبح الكواشف مثالية، حيث ستكشف 100% من الوكلاء في كل مرة.
السر يكمن في حركات "الأشباح"
إذن، كيف أمسكوا بهم؟ اكتشف الفريق أن الوكلاء الأذكياء لم يتم كشفهم بسبب "تفكيرهم" أو خططهم الذكية. بدلاً من ذلك، تم كشفهم بسبب الأشباح الموجودة في الآلة.
تخيل إنساناً يكتب على لوحة المفاتيح أو يحرك الفأرة. يده جسم مادي، له وزن، وله قصور ذاتي، ويقوم بحركات صغيرة، فوضوية، ومهتزة يمكن للكاميرا أو المستشعر رؤيتها. لكن عندما يستخدم الوكيل الذكي أداة أتمتة المتصفح (مثل Playwright)، فهو لا يحرك يداً مادية. إنه يرسل أوامر رقمية. الأمر يشبه شبحاً يضغط على زر.
وجد الباحثون أن هذه الأشباح الرقمية تترك بصمة محددة وغير مرئية:
- غياب الاهتزاز (No Jitter): عندما يحرك الإنسان الفأرة، فإنها تتأرجح قليلاً. أما عندما ينقر الوكيل الذكي، فإن المؤشر يظهر ببساطة عند الهدف. لا توجد حركات صغيرة وفوضوية تسبق النقر.
- غياب دوران "العجلة" (No Wheel Spins): إذا قمت بالتمرير في صفحة ويب باستخدام عجلة الفأرة، فإن ذلك ينتج تدفقاً معيناً من البيانات. أما الذكاء الاصطاري فيقوم فقط بإخبار الصفحة بالتمرير، متجاوزاً العجلة تماماً.
- النقر اللحظي (Instant Clicks): يستغرق الإنسان جزءاً ضئيلاً من الثانية للضغط على زر الفأرة وإفلاته. أما الذكاء الاصطناعي فيفعل ذلك فوراً، دون أي تباين.
بنى الفريق "سلم مراوغة من خمس مستويات" لاختبار ما إذا كان بإمكان الذكاء الاصطناعي الاختباء. لقد جربوا كل شيء:
- المستوى 1: قام الذكاء الاصطناعي بالنقر بشكل طبيعي.
- المستوى 2: حاول الذكاء الاصطناعي رسم خطوط منحنية (مثل البشر) باستخدام معادلات رياضية.
- المستوى 3: استخدم الذكاء الاصطراعي "شبكة خصومية توليدية" (GAN - نوع من الذكاء الاصطناعي الذي يتعلم تقليد حركات البشر) لإنشاء مسارات فأرة مزيفة.
- المستوى 4: أضاف الذكاء الاصطناعي "اهتزازاً" عشوائياً ليبدو كالبشر.
- المستوى 5: قام الذكاء الاصطناعي بتشغيل تسجيلات حقيقية لبشر وهم يحركون فئرانهم.
وحتى عندما قام الذكاء الاصطناعي بتشغيل تسجيل لشخص حقيقي يحرك فأرته (المستوى 5)، فقد تم كشفه! لماذا؟ لأنه رغم أن مسار الفأرة بدا بشرياً، إلا أن طريقة النقر كانت لا تزال أمراً رقمياً. لم يستطع الذكاء الاصطناعي تزييف حقيقة أنه لا يستخدم عجلة فأرة مادية أو أنه لا يمتلك التمايلات الطبيعية الصغيرة ليد بشرية. كانت بصمة "الشبح" لا تزال موجودة.
مجموعة الميزتين السحريتين
الجزء الأكثر إثارة في الاكتشاف كان مدى ضآلة المعلومات المطلوبة فعلياً. اختبر الباحثون آلاف التشكيلات المختلفة من الميزات للعثور على أصغر مجموعة يمكنها كشف كل وكيل ذكي.
وجدوا أنك لست بحاجة إلى نظام فائق التعقيد. تحتاج فقط إلى أمرين بسيطين لرصد الذكاء الاصطناعي:
- معدل حدث الفأرة (Mouse Event Rate): عدد مرات تحرك الفأرة. (حركات الذكاء الاصطناعي غالباً ما تكون متباعدة أو غير موجودة قبل النقر).
- الانحراف المعياري لمدة النقر (Click Duration Standard Deviation): مدى تباين الوقت الذي يستغرقه النقر. (نقرات الذكاء الاصطناعي ثابتة تماماً؛ بينما نقرات البشر متفاوتة).
باستخدام هذين الدليلين فقط، استطاع النظام تحديد 100% من الوكلاء الأذكياء، حتى عندما كانوا يحاولون الاختباء باستخدام أكثر الحيل تقدماً. وإذا أضافوا ثلاث ميزات أخرى (مثل سرعة الكتابة أو مدى تباين سرعة التمرير)، يمكن للنظام التمييز تماماً بين البشر، والروبوتات، والوكلاء جميعاً بدرجة 0.991 (وهي درجة تقترب من المثالية).
ماذا يعني هذا؟
تخلص الورقة البحثية إلى أن كشف الوكلاء الأذكماء لا يتعلق بمحاولة معرفة ما إذا كانوا "يفكرون" مثل البشر. بل يتعلق بملاحظة أنهم يستخدمون نوعاً مختلفاً من "العضلات" للتحرك حول الويب. إنهم يستخدمون أوامر رقمية بدلاً من الأيدي المادية.
يحذر الباحثون من أنك إذا حاولت بناء كاشف باستخدام ميزة واحدة فقط، فقد تتعرض للخداع. على سبيل المثال، هناك ميزة بدت مثالية بمفردها، لكنها جعلت الكاشف يصنف الجميع على أنهم "وكلاء"، بما في ذلك البشر الحقيقيين، وهو أمر عديم الفائدة. ولكن مع الميزتين الصحيحتين، يكون الكاشف قوياً للغاية.
هذا الاكتشاف يمثل حدثاً هاماً لمستقبل الإنترنت. ومع ازدياد انتشار الوكلاء الأذكياء، ستحتاج المواقع الإلكترونية إلى معرفة من يتصفحها. يوضح هذا البحث أننا لسنا بحاجة إلى بناء أنظمة ضخمة ومعقدة لرصدهم. نحن فقط بحاجة إلى النظر إلى آثار الأقدام الصغيرة وغير المرئية التي تتركها الأشباء الرقمية خلفها عندما تحاول السير كالبشر. وطالما أنهم يستخدمون أدوات المتصفح القياسية، فإن تلك الآثار ستظل موجودة دائماً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.