随着AI浏览器市场竞争加剧，以OpenAI Atlas为代表的新一代产品凭借自然语言驱动的网页自动化功能引发关注，但同时也催生了新型网络安全威胁。由南洋理工大学牵头，联合香港理工大学、夏威夷马诺阿分校共同研发的WebCloak防护系统，通过创新性的网页结构与语义混淆技术，为数据安全构建起轻量级防护屏障。
研究团队发现，当前主流Web Agent普遍采用“解析-理解”双层工作流：首先通过工具压缩网页结构至千级token量级，再由大语言模型提取目标数据。这种技术范式虽提升自动化效率，却形成三大安全隐患：模拟真实浏览器环境绕过IP审查、破解验证码成功率攀升、防御系统计算成本过高。更严峻的是，LLM技术已将爬虫开发门槛降至冰点——新手使用Gemini-2.5-Pro生成脚本仅需1.5分钟，效果优于31分钟完成的专家方案。
针对这一技术漏洞，WebCloak构建了双层防护体系。在结构层面，系统通过加密随机生成器动态修改HTML标签，每次用户会话生成独特结构，同时植入标准格式的蜜罐地址。配套的客户端脚本能在0.052秒内完成视觉还原，通过Shadow DOM技术隐藏真实资源地址，确保人类用户无感知浏览。该机制已实现对图片、文本、音频等多类资产的统一防护。
语义防御层面，系统采用“精准注入-对抗优化”策略。防护模型在目标元素前后及属性位置插入三类误导线索：包括伪造的API验证提示、安全策略触发语句和虚假解密指引。这些经过GPT-4o-mini生成与GPT-4验证的语义陷阱，与网页上下文深度融合，手动清除成本高昂。实验显示，即使攻击者删除90%的误导信息，主流Web Agent的爬虫召回率仍被压制在21.2%以下。
基于自建的LLMCrawlBench基准数据集（覆盖50个热门网站的237个网页快照），测试结果表明该系统对三类主流Web Agent实现完全阻断：Gemini-2.5-pro（L2S）、Crawl4AI（LNC）、Browser-Use（LWA）的爬虫召回率从平均88.7%降至零。面对已知防护机制的自适应攻击，L2S和LNC的突破成功率分别仅为0.3%和1.58%。系统性能开销控制出色，服务器端配置生成仅需3分钟/页，客户端还原延迟0.052秒，页面体积增幅20.8%。用户盲测显示，91%的参与者未察觉浏览体验变化，视觉相似度评估达99.9%。
这项突破性技术已实现全平台兼容，支持Chrome、Firefox等主流浏览器及Windows、macOS等操作系统，特别适用于电商平台、内容创作等数据敏感场景。研究团队已公开项目主页与论文链接，并提供完整代码库。当前系统版本通过动态混淆逻辑优化，已具备应对未来Web Agent技术演进的基础能力。
