随着人工智能技术飞速发展，AI浏览器的广泛应用正带来新的安全挑战。这些能模拟人类操作、处理敏感任务的代理工具，因其拥有的高级权限，成为了网络攻击者眼中的可乘之机。近期，科技公司Perplexity针对这一隐患推出了全新的安全系统BrowseSafe，通过技术创新构建起多层次的主动防护体系。

传统安全评估工具在面对复杂的网络攻击时，短板日益凸显。以AgentDojo为代表的现有基准测试，主要依赖过于简化的提示场景，难以模拟真实环境中多样化的攻击手法。攻击者常常将恶意指令嵌入网页的隐藏区域，诱使AI代理执行越权操作，例如窃取用户数据并传输至第三方服务器。这种隐蔽性极强的攻击方式，对现有检测系统构成了严峻考验。

BrowseSafe系统采用混合专家架构设计，在确保用户体验流畅的同时，实现了对威胁的实时深度扫描。该系统通过三大核心维度构建攻击检测模型：攻击类型分类、注入策略识别与语言风格分析，尤其针对那些“看似无害实则危险”的伪装内容进行重点筛查。测试数据显示，该系统对提示注入攻击的识别准确率高达91%，相比GPT-5等前沿模型的基线提升了6个百分点，较同类产品PromptGuard-2高出56个百分点。

在防御策略上，Perplexity创新性地采用了三层防护机制。第一层通过快速分类器实现初步过滤，第二层运用基于推理的大语言模型进行深度分析，最终形成完整的安全防护闭环。这种分层设计既保证了检测效率，又提升了对复杂攻击模式的识别能力。不过测试也发现系统存在改进空间，例如对多语言攻击的检测率降至76%，而HTML注释区域的恶意代码也比页面显性区域的内容更难被系统发现。

为推动行业安全标准升级，Perplexity决定开源BrowseSafe相关技术资源，包括评估基准、模型架构和研究论文。此举旨在通过开放协作提升整体防护水位，共同应对不断演变的网络攻击形态。公司安全团队负责人表示，尽管当前系统已能拦截绝大多数攻击，但仍有约9%的复杂攻击手法可能突破防线，这凸显了持续进行技术迭代的重要性。

划重点：