Il Rilevamento degli Agenti AI Richiede un Framework a Tre Classi, Non una Classificazione Binaria Bot

Un preprint su arXiv (2607.26935) rivela che gli attuali sistemi di rilevamento dei bot sono inefficaci nel riconoscere gli agenti AI che navigano attraverso l'automazione, categorizzando tutto il traffico semplicemente come umano o bot. Gli autori introducono un modello di rilevamento a tre classi che differenzia tra umani, bot e agenti AI. In un benchmark controllato, un classificatore binario MLP ha identificato erroneamente il 39,1% degli agenti AI genuini come umani, mentre un trasformatore binario SAINT ha classificato erroneamente il 34,5%. Incorporando una categoria distinta per gli agenti, hanno ottenuto un punteggio F1 perfetto per classe agente di 1.000 in 30 iterazioni (3 famiglie di modelli × 10 seed). Inoltre, la ricerca delinea una scala di elusione a cinque livelli, che include l'osservazione passiva e percorsi generati da GAN (n = 2299 evasioni), sostenendo che la confusione deriva dai limiti dei classificatori binari nel rappresentare gli agenti AI.