Broken Gates: Re-evaluating Web Bot Defenses in the Age of LLM Agents
यह शोध पत्र वाणिज्यिक सॉल्वर और उभरते एलएलएम-आधारित (LLM-based) ब्राउज़र एजेंटों के विरुद्ध वेब बॉट सुरक्षा की लचीलेपन का व्यवस्थित रूप से मूल्यांकन करता है, जिससे यह प्रकट होता है कि जहाँ चुनौती-आधारित (challenge-based) सुरक्षा प्रणालियों को आसानी से बायपास किया जा सकता है, वहीं गैर-संवादात्मक (non-interactive) सुरक्षा प्रणालियाँ व्यवहार संबंधी विश्लेषण के बजाय निष्पादन-वातावरण (execution-environment) की प्रमाणिकता पर अधिक निर्भर करती हैं, जो उन्हें विश्वसनीय वातावरणों में संचालित होने वाले परिष्कृत एजेंटों के प्रति संवेदनशील बना देती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि इंटरनेट एक विशाल, हलचल भरे शहर की तरह है। इस शहर में दो मुख्य प्रकार के यात्री हैं: असली लोग और "बॉट्स"। बॉट्स स्वचालित रोबोट की तरह हैं जिन्हें काम करने के लिए प्रोग्राम किया गया है—कभी-कभी वे मददगार होते हैं, जैसे पत्रों को छांटने वाला डाकिया, लेकिन अक्सर वे शरारती होते हैं, जैसे कोई चोर जो पासवर्ड चुराने या दुकानों को स्पैम करने के लिए एक साथ हजारों दरवाजों के ताले खोलने की कोशिश कर रहा हो। शहर को सुरक्षित रखने के लिए, वेबसाइट मालिक अपने दरवाजों पर "गेट" (द्वार) लगाते हैं। लंबे समय तक, ये गेट बाउंसर की तरह थे जो एक सरल सवाल पूछते थे: "क्या आप इंसान हैं?" वे आपको एक ट्रैफिक लाइट की तस्वीर दिखाते और उस पर क्लिक करने के लिए कहते। यदि आपने सही चीज़ पर क्लिक किया, तो आप अंदर जा सकते थे। यदि आप एक रोबोट थे जो तस्वीर नहीं देख सकता था, तो आप बाहर ही रह जाते।
लेकिन हाल ही में, एक नया प्रकार का यात्री आया है: "AI एजेंट"। इन एजेंटों को अनाड़ी रोबोट के रूप में नहीं, बल्कि "सुपर-स्मार्ट डिजिटल इंटर्न" के रूप में सोचें। वे एक वेबसाइट को पढ़ सकते हैं, समझ सकते हैं कि वह क्या कहती है, बटन क्लिक कर सकते हैं, और यहाँ तक कि पहेलियाँ भी सुलझा सकते हैं, और यह सब साधारण अंग्रेजी में दिए गए निर्देशों का पालन करते हुए कर सकते हैं। शहर के सुरक्षा गार्डों के लिए बड़ा सवाल यह है: "क्या ये स्मार्ट इंटर्न बाउंसरों को धोखा दे सकते हैं?" यदि उत्तर 'हाँ' है, तो पुराने गेट अब चोरों को रोकने के लिए पर्याप्त नहीं होंगे। यह बिल्कुल वही है जो फ्लोरिडा इंटरनेशनल यूनिवर्सिटी के शोधकर्ताओं की एक टीम पता लगाने के लिए करना चाहती थी। वे देखना चाहते थे कि क्या ये नए AI एजेंट आज की वेबसाइटों द्वारा उपयोग किए जाने वाले आधुनिक सुरक्षा द्वारों से चुपके से निकल सकते हैं, और यदि ऐसा है, तो उन्होंने यह कैसे किया।
द ग्रेट गेट हाइस्ट: शोधकर्ताओं ने क्या पाया
शोधकर्ताओं ने सुरक्षा व्यवस्था का परीक्षण करने के लिए "बुरे किरदारों" की भूमिका निभाने का निर्णय लिया। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने सात अलग-अलग प्रकार के सुरक्षा द्वारों वाले एक वास्तविक दुनिया के परीक्षण शहर का निर्माण किया, जिसमें क्लासिक "ट्रैफिक लाइट पर क्लिक करें" वाली पहेलियों से लेकर बैकग्राउंड में चलने वाले अदृश्य सुरक्षा जांच तक शामिल थे। फिर, उन्होंने यह देखने के लिए हमलावरों की दो टीमें भेजीं कि कौन सफल होता है।
टीम 1: "इंसान को काम पर रखने" वाली सेवा
पहली टीम ने उन वाणिज्यिक सेवाओं का उपयोग किया जो एक बिचौलिए के रूप में कार्य करती हैं। जब कोई रोबोट किसी पहेली से टकराता है, तो वह उसे खुद हल नहीं करता; इसके बजाय, वह तस्वीर को एक वास्तविक मानव कार्यकर्ता को भेज देता है जो सेकंडों में उसे हल करता है और जवाब वापस भेज देता है। शोधकर्ताओं ने पाया कि यह तरीका डरावना रूप से प्रभावी था। क्लासिक पहेलियों (जैसे hCaptcha और reCaptcha v2) के खिलाफ, इन सेवाओं की सफलता दर 100% थी। यह एक ताला खोलने के लिए इंसान को काम पर रखने जैसा था; यह लगभग हर बार काम करता था, और यह अविश्वसनीय रूप से सस्ता था—कभी-कभी $0.10 प्रति 1,000 प्रयासों के मुकाबले। यहाँ तक कि वे "अदृश्य" द्वार भी, जिनमें कोई पहेली नहीं दिखाई देती थी, उन्हें भी इस तरीके से पार कर लिया गया। हालाँकि, सबसे उन्नत अदृश्य गेट (reCaptcha v3) के मामले में, जो कोई सवाल नहीं पूछता बल्कि यह देखता है कि आप कैसे व्यवहार करते हैं, ये सेवाएँ केवल 23% बार ही सफल हुईं। यह सच है कि आप एक पहेली हल करने के लिए इंसान को काम पर रख सकते हैं, लेकिन आप अपने पूरे डिजिटल इतिहास की नकल करने के लिए आसानी से इंसान को काम पर नहीं रख सकते।
टीम 2: "स्मार्ट AI इंटर्न"
दूसरी टीम ने नए LLM-आधारित ब्राउज़र एजेंटों का उपयोग किया—वे "स्मार्ट इंटर्न" जो खुद पढ़ और क्लिक कर सकते हैं। शोधकर्ताओं ने इन एजेंटों के छह अलग-अलग संस्करणों का परीक्षण किया, जिनमें से कुछ क्लाउड पर चलते हैं, कुछ व्यक्तिगत कंप्यूटरों पर, और कुछ ब्राउज़र एक्सटेंशन के रूप में।
परिणाम विफलता और आश्चर्य का मिश्रण थे। क्लासिक पहेलियों का सामना करने पर, अधिकांश AI इंटर्न बुरी तरह विफल रहे। वे पहेली को देख सकते थे, वे निर्देशों को समझ सकते थे, लेकिन वे इमेज रिकग्निशन (छवि पहचान) कार्यों को वास्तव में हल नहीं कर सके। यह एक ऐसे जीनियस की तरह था जो नक्शा तो पढ़ सकता है लेकिन अपने जूते के फीते भी नहीं बाँध सकता। उन्हें मदद के लिए एक विशेष "सॉल्वर" मॉड्यूल की आवश्यकता थी, और इसके बिना, वे फंस गए थे।
लेकिन यहीं से कहानी बहुत दिलचस्प हो जाती है। जब शोधकर्ताओं ने इन एजेंटों का अदृश्य द्वारों (जैसे reCaptcha v3) के खिलाफ परीक्षण किया, तो एजेंट इसलिए विफल नहीं हुए क्योंकि वे "मूर्ख" थे। वे इसलिए विफल हुए क्योंकि वे "नकली" लग रहे थे।
शोधकर्ताओं ने पाया कि सुरक्षा प्रणाली यह नहीं देख रही थी कि एजेंट कितना स्मार्ट है; बल्कि यह देख रही थी कि उसका वातावरण कितना वास्तविक है। उन्होंने दो एजेंटों की तुलना की जो लगभग एक जैसा व्यवहार करते थे: Browser-Use और NanoBrowser। दोनों बटन क्लिक करते थे, माउस घुमाते थे और फॉर्म भरते थे, और लगभग एक समान तरीके से काम करते थे। फिर भी, NanoBrowser गेट के अंदर पहुँच गया, जबकि Browser-Use को रोक दिया गया।
क्यों? अंतर उनके व्यवहार में नहीं था। अंतर उनके "बैकपैक" में था। NanoBrowser एक वास्तविक वेब ब्राउज़र के अंदर चल रहा था जिसका कुकीज़, सेव किए गए लॉगिन और एक स्थिर डिजिटल फिंगरप्रिंट का लंबा इतिहास था—जैसे कोई व्यक्ति जो वर्षों से उस शहर में रह रहा हो। दूसरी ओर, Browser-Use एक साफ, नए ब्राउज़र वातावरण में चल रहा था जो संदिग्ध रूप से नया और कृत्रिम लग रहा था, जैसे कोई पर्यटक जो अभी-अभी आया हो और जिसने अभी तक स्थानीय सिम कार्ड भी नहीं खरीदा हो। सुरक्षा प्रणाली ने उस "साफ" वातावरण को सूंघा और कहा, "नहीं, तुम एक बॉट हो," भले ही एजेंट का व्यवहार बिल्कुल सही था।
मुख्य निष्कर्ष
यह शोध पत्र सुझाव देता है कि "पहेली को कठिन बनाने" का पुराना विचार अपनी शक्ति खो रहा है। यदि आप केवल पहेली को अधिक जटिल बनाते हैं, तो हमलावर इसे चंद पैसों में हल करने के लिए इंसान को काम पर लगा सकते हैं। यहाँ तक कि सबसे स्मार्ट AI एजेंट भी बिना विशेष उपकरणों के उन्हें हल नहीं कर सकते।
वास्तविक सुरक्षा सीमा बदल गई है। यह अब इस बारे में नहीं है कि आप पहेली को कितनी अच्छी तरह हल कर सकते हैं; यह इस बारे में है कि आप यह कैसे साबित कर सकते हैं कि आप उस मोहल्ले के निवासी हैं। शोधकर्ताओं ने पाया कि reCaptcha v3 जैसे बचाव केवल इसलिए मजबूत हैं क्योंकि वे एक "साफ" रोबोट वातावरण और एक "जीते-जागते" मानव वातावरण के बीच अंतर कर सकते हैं। लेकिन यह कोई पूर्ण ढाल नहीं है। अध्ययन बताता है कि जैसे-जैसे AI एजेंट वास्तविक ब्राउज़र वातावरण की नकल करने में बेहतर होते जा रहे हैं—कुकीज़, इतिहास और फिंगरप्रिंट को बरकरार रखकर—वे अंततः इन अदृश्य द्वारों को भी धोखा देने में सक्षम हो सकते हैं।
संक्षेप में, "स्मार्ट इंटर्न" अधिक स्मार्ट हो रहे हैं, लेकिन फिलहाल, वे इसलिए पकड़े जा रहे हैं क्योंकि उनके पास सही "आईडी कार्ड" (ब्राउज़र इतिहास और कुकीज़) नहीं हैं जो यह साबित कर सकें कि वे असली लोग हैं। यह पेपर संकेत देता है कि वेब सुरक्षा का भविष्य पहेलियों को कितना कठिन बनाने पर कम और इस बात पर अधिक निर्भर करेगा कि हम एक वास्तविक डिजिटल जीवन और एक नकली जीवन के बीच के अंतर को कितनी अच्छी तरह पहचान सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।