피드로 돌아가기
Dev.toAI/ML
원문 읽기
개인 행동 클로닝 기반 2MB 모델로 AI Agent 탐지 회피
Training Your Mouse Behavior Clone: Make AI Browser Agents Move Like You
AI 요약
Context
기존 Browser Automation의 Bezier Curve 기반 Humanization 방식은 일관된 확률 분포로 인해 AI Fingerprint를 생성하는 역설적 한계 노출. 정적 템플릿 기반의 무작위성 부여 방식은 오히려 자동화 트래픽으로 분류되는 결정적 근거가 됨.
Technical Solution
- 데이터 수집: Tampermonkey 스크립트로 실제 사용자 Mouse Trajectory와 HTML Target 태그를 매칭하여 개인 특성 데이터셋 구축
- 모듈형 아키텍처 설계: 단일 거대 GRU 모델의 수렴 실패를 해결하기 위해 Bezier(골격) → NoiseModel(공간 편차) → GRU(타이밍)로 역할 분리
- NoiseModel 구현: 8개의 Bezier 파라미터를 입력받아 개인별 고유 궤적 편차를 생성하는 166KB 규모의 경량 GRU 설계
- Timing GRU 최적화: 공간 경로를 입력받아 가속 및 감속 리듬을 예측하는 2MB 규모의 모델로 시간적 특성 분리 구현
- 학습 전략 고도화: Teacher Forcing 단계적 제거 및 궤적 마지막 20% 구간에 4배 가중치 Loss를 적용하여 타겟 근접 시의 미세 조정 패턴 정밀 학습
실천 포인트
1. 복잡한 시공간 데이터 처리 시 단일 모델보다 '구조-편차-타이밍' 식의 단계적 분해 설계 검토
2. 도메인 특성에 맞는 Loss Weighting(예: 종착지 가중치 부여)을 통한 핵심 구간 정밀도 향상
3. 범용적인 Randomness보다 실제 데이터 기반의 Persona Cloning을 통한 탐지 회피 전략 수립