视而不见：针对智能体爬虫的压缩感知内容保护

具有推理、摘要和记忆能力的基于LLM的智能体的兴起，为在线内容创造了一个新的威胁面，而传统防御措施无法应对。现有的防御措施（如访问控制）可以被模仿普通浏览器的智能体绕过，而基于注入的防御措施通常会降低人类可读性。在本文中，我们重新审视了智能体流程，并确定了上下文压缩——智能体为适应上下文预算而例行调用的操作——是一个关键但被忽视的防御层。我们提出了CAPE，一个通过注入不可见扰动来保护高价值文本内容的框架，而不改变其人类可见的表面形式，从而在智能体压缩期间诱导严重的信息丢失。CAPE从可访问的替代压缩器中提取破坏性种子扰动，然后通过先验引导的进化和偏好校准的候选优先级排序，使其适应仅查询的目标压缩器，在低查询预算下实现有效保护。在三种内容类型和四种压缩设置上的实验表明，CAPE比最强基线将信息丢失提高了高达75.8%，同时使受保护内容在视觉上与原始内容无法区分。CAPE还可以迁移到现实世界设置，包括LangGraph智能体工作流和GitHub Copilot，突显了其通用性和实用价值。本文旨在揭示上下文压缩作为一个新的防御层，促进智能体时代的内容保护研究。