이진 분류의 빈칸
7월 29일 공개된 연구는 웹 트래픽을 사람과 봇 둘로만 나누면 브라우저 자동화 AI 에이전트를 제대로 표현하지 못한다고 지적합니다. 통제 벤치마크에서 사람·기존 봇·AI 에이전트의 세 클래스를 따로 두고 행동 특징을 비교했습니다.
보고된 탐지 결과
이진 MLP는 실제 AI 에이전트의 39.1%, 이진 SAINT 모델은 34.5%를 사람으로 오분류했습니다. 에이전트 클래스를 추가한 실험에서는 3개 모델군과 10개 시드의 30회 실행 모두에서 에이전트 F1 1.000을 보고했습니다.
핵심 신호는 AI의 추론 능력이 아니라 Playwright 자동화 흔적이었습니다. 물리 입력 장치가 만드는 원시 포인터 이동과 휠 델타 스트림이 없었고, mouse event rate와 teleport click ratio 두 특징은 연구진의 회피 단계 전반에서 관찰된 에이전트 재현율 100%, 정밀도 0.994를 기록했습니다.
적용할 때의 주의점
서비스 운영자는 에이전트를 악성 봇과 동일시하기보다 공개 크롤러, 사용자 위임 에이전트와 공격 자동화를 구분하는 정책이 필요합니다. 탐지 결과는 차단의 자동 근거가 아니라 속도 제한, 추가 인증과 감사 신호로 사용하는 편이 안전합니다.
결과는 통제된 특정 자동화 스택에서 나온 것으로, 물리 입력을 중계하거나 다른 브라우저 스택을 쓰는 에이전트에 일반화되지 않습니다. 완벽한 수치가 실제 인터넷의 오탐률을 의미하지 않으며 연구는 동료평가 전입니다.