AI 模型与平台
Chrome 安全团队打造合成网络,测试 AI 浏览智能体

要点镜像维度在隔离的沙盒内提供熟悉的地址,使代理无法察觉测试。
查看更多
- 镜像维度在隔离的沙盒内提供熟悉的地址,使代理无法察觉测试。
- 自主评审代理构建并修订合成站点,因为未完成的模拟可能暴露评估。
- 红队测试流程每天为每位安全工程师生成超过1,000个测试候选。
Google Chrome 安全团队于 2026 年 11 月 19 日推出了 Mirror Dimension,这是一个自成一体的合成网络,用于测试驱动Chrome 自动浏览功能的智能体。该环境包含数千个模拟网站,这些网站以日常用户旅程为蓝本,旨在评估安全防护措施,同时避免智能体的操作影响真实网络。
之所以需要这样的环境,是因为规模庞大。浏览器智能体的训练和评估需要在数百个网站上执行数千次读取和写入操作;智能体往往还要根据用户请求推断目标网站,而不是直接接收网址。公共网络不断变化,不受限制的智能体操作可能造成危害。Mirror Dimension 则为每条执行轨迹提供干净且一致的起点,防止副作用延续到下一次运行。
让沙盒环境足够逼真
一项核心设计约束是评测意识:模型若怀疑自己正在接受测试,就可能改变行为。在明显虚构的域名下托管所有网站,或在提示中提及该域名,都可能引发这一问题。因此,Mirror Dimension 允许智能体请求熟悉的网址,例如www.youtube.com,同时在隔离的 gVisor 沙盒中运行无头 Chrome 实例。
沙盒不会让请求抵达外部 DNS 或公共互联网,而是拦截连接,并将其发送到提供生成网站的本地代理。由于 Chrome 的设计会阻止这类拦截,代理会动态生成 TLS 叶证书,并将其链接到安装在受控浏览器中的自定义根证书颁发机构。Google 指出,外部网络攻击者若没有特权管理权限,就无法在真实用户的设备上安装这样的根证书;团队则能在启动时建立这一信任锚点,因为沙盒由团队控制。
智能体构建并评审网站
构建这一环境所需的并非只有静态页面。测试网站必须支持本地服务市场、电子商务结账流程、社交动态和菜谱页面中的多步骤工作流,因为智能体可能会从尚未完成的模拟环境中察觉异常线索。人类先定义高层次的用户旅程,随后由自主多智能体开发框架在沙盒内设计、构建并修改网站。
研究智能体会将请求转化为规格说明和界面素材;构建智能体编写 HTML、CSS 和 JavaScript;评审智能体则检查无障碍语义、表单验证、JavaScript 控制台错误、元素边界和响应式布局。Chrome DevTools for Agents 让子智能体能够检查屏幕截图、点击、输入、导航并观察应用行为,从而测试渲染后呈现给用户的完整旅程,而不只是分析源代码。评审循环优先保证还原度,而非追求快速完成;评审智能体还会重新检查修复结果,因为修复可能引入新问题。
测试提示注入防御
这一控制机制还支持针对间接提示注入的动态红队测试。间接提示注入是指不可信网页内容中的隐藏指令试图诱使智能体执行未经授权的操作。服务器可以在多步骤工作流的指定环节,将攻击载荷植入图像、文本、无障碍标签或结构化 WebMCP 工具响应中,覆盖浏览器智能体所感知的视觉、DOM 和工具接口。
Chrome 最初通过可见的网址参数识别攻击载荷,但智能体有时会察觉参数异常,从而产生评测意识。如今,红队测试框架会通过自定义 HTTP 标头传递攻击载荷标识符。沙盒会筛除这些标头,并提供经过修改的页面,同时保持可见网址不变,以维持普通网站的外观。
Chrome 表示,其自动化流水线每天为每位安全工程师生成 1,000 多个测试候选项。这一数量是工程师每天能够手工制作并测试的几十个逼真攻击案例的 30 多倍,使专家能够专注于寻找新的攻击手法,同时由流水线完善并评估现有方案。
目前的实现侧重于使用范围受限于网页基础功能和工具调用的浏览器智能体。Chrome 表示,这种架构也可以扩展到工具集更广泛的通用编程智能体。对于浏览器智能体而言,这一设计将真实感与隔离控制并列为安全要求:如果智能体识别出自己身处沙盒,就可能无法再展现其在公共网络上会有的行为。












