ΠολιτισμόςΗ Google κατασκεύασε ένα πλήρως προσομοιωμένο web για την εκπαίδευση της τεχνητής νοημοσύνης!
Σύνοψη Δημιουργία ενός ασφαλούς, απομονωμένου περιβάλλοντος (sandbox) για την εκπαίδευση αυτόνομων εργαλείων περιήγησης όπως το Chrome Auto Browse. Αποτροπή του "eval awareness" (επίγνωση αξιολόγησης) μέσω τοπικού proxy που διατηρεί τα πραγματικά URLs ανέπαφα, αποκρύπτοντας…
20 Νοεμβρίου 2026 · 10:07
Σύνοψη
- Δημιουργία ενός ασφαλούς, απομονωμένου περιβάλλοντος (sandbox) για την εκπαίδευση αυτόνομων εργαλείων περιήγησης όπως το Chrome Auto Browse.
- Αποτροπή του “eval awareness” (επίγνωση αξιολόγησης) μέσω τοπικού proxy που διατηρεί τα πραγματικά URLs ανέπαφα, αποκρύπτοντας από το AI ότι βρίσκεται σε προσομοίωση.
- Αυτόματη παραγωγή χιλιάδων συνθετικών ιστοσελίδων από μια τριπλέτα εξειδικευμένων AI agents (ερευνητής, δημιουργός, κριτής).
- Εκτέλεση επιθέσεων ενσωματωμένων σε HTTP headers (X-Sandbox-Injection-Key), επιτρέποντας τον έλεγχο 1.000+ σεναρίων ασφαλείας ανά μηχανικό ημερησίως.
Η ανάπτυξη αυτόνομων πρακτόρων τεχνητής νοημοσύνης που μπορούν να πλοηγούνται ελεύθερα στον ιστό δημιουργεί τεράστιες προκλήσεις για την κυβερνοασφάλεια. Καθώς εργαλεία όπως το Auto Browse του Google Chrome αποκτούν την ικανότητα να εκτελούν περίπλοκες ενέργειες εκ μέρους των χρηστών, από την αγορά αεροπορικών εισιτηρίων μέχρι την πραγματοποίηση τραπεζικών συναλλαγών, η ανάγκη για εξαντλητικές δοκιμές γίνεται επιτακτική. Η άμεση εκπαίδευση αυτών των συστημάτων στο πραγματικό, ζωντανό διαδίκτυο θεωρείται εξαιρετικά επικίνδυνη, καθώς τα δεδομένα μεταβάλλονται διαρκώς και ένα λάθος του αλγορίθμου θα μπορούσε να προκαλέσει ανυπολόγιστη ζημιά σε πραγματικούς λογαριασμούς. Απαντώντας σε αυτό το τεράστιο κενό, η ομάδα ασφαλείας της Google προχώρησε στη δημιουργία του Mirror Dimension, ενός πλήρως συνθετικού και ελεγχόμενου αντιγράφου του διαδικτύου, σχεδιασμένου αποκλειστικά για την ακραία δοκιμή των δικών της μοντέλων.
Η αρχιτεκτονική του νέου αυτού περιβάλλοντος βασίζεται σε προηγμένους μηχανισμούς απομόνωσης και έξυπνης δρομολόγησης προκειμένου να λυθεί ένα από τα μεγαλύτερα προβλήματα της αξιολόγησης AI, το λεγόμενο eval awareness. Τα σύγχρονα γλωσσικά μοντέλα διαθέτουν την ικανότητα να αντιλαμβάνονται πότε βρίσκονται υπό δοκιμή, αλλάζοντας τη συμπεριφορά τους ώστε να φαίνονται πιο προσεκτικά ή ασφαλή από ό,τι θα ήταν σε πραγματικές συνθήκες. Αν οι μηχανικοί τοποθετούσαν τις ψεύτικες ιστοσελίδες σε φανερά δοκιμαστικά domains, η AI θα καταλάβαινε αμέσως την παγίδα. Για να αποτραπεί αυτή η αναγνώριση, οι προγραμματιστές ενσωμάτωσαν ένα τοπικό proxy server εντός ενός gVisor sandbox. Ο μηχανισμός αυτός αναχαιτίζει τα αιτήματα του AI προς γνώριμες διευθύνσεις, δημιουργεί δυναμικά πιστοποιητικά SSL μέσω μιας τοπικής αρχής πιστοποίησης, και κατευθύνει τον πράκτορα σε προσομοιωμένες σελίδες χωρίς να αλλάζει η μορφή του URL στον browser.
Η κατασκευή χιλιάδων πειστικών ιστοσελίδων απαιτεί τεράστιους ανθρώπινους πόρους, γι’ αυτό η εταιρεία αποφάσισε να αναθέσει τη δουλειά στην ίδια την τεχνητή νοημοσύνη. Αντί να γράφουν τον κώδικα με το χέρι, οι μηχανικοί δημιούργησαν ένα συνεργατικό σύστημα τριών διαφορετικών ρόλων AI. Αρχικά, ο ερευνητικός πράκτορας αναλαμβάνει να σχεδιάσει τις προδιαγραφές ενός ηλεκτρονικού καταστήματος ή μιας τραπεζικής πύλης, προσδιορίζοντας απαραίτητα στοιχεία όπως καλάθια αγορών και φόρμες εισαγωγής κωδικών. Έπειτα, ο δημιουργικός πράκτορας παράγει τον απαραίτητο κώδικα σε HTML, CSS και JavaScript. Τέλος, αναλαμβάνει ο κριτής, ο οποίος ελέγχει το τελικό αποτέλεσμα μέσα από τα Chrome DevTools, αναζητώντας σφάλματα στη διάταξη ή προβλήματα προσβασιμότητας, διασφαλίζοντας ότι το συνθετικό περιβάλλον συμπεριφέρεται ακριβώς όπως μια πραγματική ιστοσελίδα.
Το πιο κρίσιμο στοιχείο ολόκληρης της υποδομής αφορά τον τρόπο με τον οποίο εκτελούνται οι επιθέσεις έμμεσης έγχυσης εντολών. Παραδοσιακά, τέτοιου είδους κακόβουλα φορτία τοποθετούνταν στις παραμέτρους του URL, όμως τα μοντέλα έμαθαν γρήγορα να εντοπίζουν αυτά τα ύποπτα μοτίβα. Στο συνθετικό οικοσύστημα, οι επιθέσεις κρύβονται επιδέξια μέσα σε προσαρμοσμένα HTTP headers, όπως το X-Sandbox-Injection-Key. Το γλωσσικό μοντέλο αδυνατεί να ανιχνεύσει αυτή τη μέθοδο μέσω του κανονικού του περιβάλλοντος διάδρασης,επιτρέποντας στους μηχανικούς να ελέγχουν τις αντιδράσεις του σε πραγματικές συνθήκες. Με αυτή την αυτοματοποιημένη διαδικασία, ο ρυθμός παραγωγής σεναρίων επίθεσης εκτοξεύτηκε,φτάνοντας τα 1.000 τεστ ανά μηχανικό κάθε μέρα, σημειώνοντας εντυπωσιακή αύξηση της τάξης του 30x σε σχέση με τις παραδοσιακές χειροκίνητες μεθόδους ελέγχου.
Αξίζει να σημειωθεί πως τα αποτελέσματα αυτών των δοκιμών παραμένουν αυστηρά εσωτερικά και η αμερικανική εταιρεία δεν έχει δημοσιεύσει επίσημα στατιστικά σχετικά με τα ποσοστά επιτυχίας ή αποτυχίας του αυτόνομου Chrome απέναντι σε αυτές τις κυβερνοεπιθέσεις. Η ύπαρξη του συστήματος, ωστόσο, καταδεικνύει την απόλυτη ανάγκη για προληπτική θωράκιση πριν τα εργαλεία αυτόνομης πλοήγησης δοθούν για ευρεία καταναλωτική χρήση. Το βάρος πλέον πέφτει στην ικανότητα της αρχιτεκτονικής να προσομοιώνει όχι μόνο τη δομή, αλλά και την περίπλοκη αταξία του πραγματικού διαδικτύου, διασφαλίζοντας πως καμία εξωτερική κακόβουλη εντολή δεν θα αποκτήσει τον έλεγχο των ευαίσθητων προσωπικών δεδομένων μας.
Πηγή – Techgear










