
OpenAI工程师提议让AI代理向网站传递用户位置信息
来源标题:OpenAI wants agents to tell websites where you are
OpenAI两名工程师向IETF HTTP工作组提交互联网草案,允许AI代理在访问网站时传递用户的网络、国家、掩码IP、语言、时区和浏览器信息。该草案在现有Forwarded头中新增六个可选参数,禁止持久用户和设备ID。目前仅为个人草案,尚未被任何工作组采纳。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
当 AI agent 或云端浏览器替你访问网站时,网站看到的是 agent 的 IP 地址和 user agent,而不是你的。OpenAI 的两名工程师希望改变这一点。他们今天与 IETF 的 HTTP 工作组分享了一份 Internet-Draft,让 agent 可以传递你的网络、你的国家、经过掩码处理的 IP 地址、你的 locale、你的时区,以及你使用的浏览器或应用。
这背后的问题确实存在。但这份草案的修复方式是错的,我已经把这一反馈发到了邮件列表。下面是详细版本。
这份草案名为 draft-panero-httpbis-forwarded-user-signals。它在现有的 Forwarded 头中新增了六个可选参数:asn、ip-country、ip-prefix、locale、tz 和 user-agent。来自 agent 的请求于是可以携带类似这样的内容:
Forwarded: asn=64496;ip-prefix="192.0.2.0/24";user-agent="Example/1"
为作者说句公道话:草案禁止持久性的用户和设备 ID,要求发送方尽可能少地共享信息,并且明确说明经过掩码处理的 IP 地址并不等于匿名。它也是一份个人草案,尚未正式提交,也没有任何工作组采纳它。
一次普通的浏览器访问会把你的完整 IP 地址、完整 user agent、你的语言,以及通过 JavaScript 获取的时区交给网站。这份草案共享的信息比那要少。
但这不是正确的比较对象。如今,当 agent 替你浏览时,网站几乎学不到关于你的任何信息。这是一个副作用,而不是谁有意设计的功能,但它确实是一种隐私收益。这份草案把其中一部分交还了出去。
草案称这些信号用于“欺诈检测和风险评估”。我的理解不同。网站会屏蔽或质询 agent 流量,因为成千上万的用户来自同样的少数几个数据中心地址。这些信号让 agent 的请求重新看起来像普通访客。
对于任何运行 agent 的人来说,这都是一个合理的问题;当你的 agent 撞上一堵 CAPTCHA 墙时,对你也是如此。但草案应该把这一点说清楚,因为它改变了受益者是谁。运行 agent 的公司从共享你的数据中获益最多,而同样是这家公司决定共享什么。没有人征求你的意见。网站也无法询问:它没有办法请求特定信号,也没有办法说明自己为什么需要这些信号。Client Hints 多年前就解决了这个问题,其做法是在头中由服务器列出它想要的内容。
任何人都可以发送这些参数。草案知道这一点。它告诉网站,除非已经验证了覆盖该信号的签名,否则不要把信号视为已认证。但它也明明白白地说,发送这些信号并不需要签名。如果头中一个干净的家庭网络地址就能让你绕过封锁,那么每个欺诈者都会发一个。
用于欺诈检测的信号,只有在网站能够核实由谁为其背书时才有效。Web Bot Auth 正是为此而存在。签名不应是可选的。草案应该要求签名,并告诉网站忽略任何未附带签名的信号。
我不是律师,但这是我的理解。你的网络、经过掩码处理的 IP 前缀、你的时区、你的 locale 和你的浏览器加在一起,属于个人数据。agent 的运营者成了决定是否将其披露给第三方的一方,而且主要是为了它自己和网站的利益。
时区、locale 和 user agent 还是从你的设备读取的,这就涉及 ePrivacy 规则。当你希望网站按你的时区显示时间时,这没问题。当目的是风险评分时,这就难得多了。
这些信号还会互相泄露。时区为 Europe/Amsterdam、locale 为 nl-NL,即使 agent 隐去了国家,也会告诉网站你身处哪个国家。
agent 会设置自己的请求头,所以它已经可以在 Accept-Language 中发送你的语言。时区则可以用 Prefer 头。MDN 自己的自定义偏好示例就是 Prefer: timezone=America/Los_Angeles,服务器可以通过 Preference-Applied 确认它已采用该偏好。
草案说 locale 不同于语言:它用于格式化日期和数字。但像 en-NL 这样的语言标签已经表达了“英语,按荷兰的方式格式化”,而且它今天就能放进 Accept-Language。剩下的不过是对你的设备如何配置的描述,那是指纹,不是偏好。
Forwarded 不是放这些东西的地方。它描述的是代理链中的各跳。agent 并不转发你的请求,它是发出自己的请求。
假设纽约的某个人向 agent 提了一个问题,一小时后你问了同一个问题。agent 很有可能只抓取一次页面。运营者会做缓存,因为为每个用户重新抓取每个页面既慢又贵。草案完全没有提到缓存。
第一次抓取携带的是那位纽约用户的信号。你拿到的是为纽约生成的副本,网站根本看不到你。想要防止这一点的网站必须用 Vary 头告知缓存。但 Vary 作用于整个头,所以网站得发送 Vary: Forwarded。那个头里还装着 IP 前缀、网络和 user agent,于是几乎每个请求都变得唯一,agent 流量的缓存就失效了。Client Hints 也解决了这个问题:每个 hint 都是独立的头,服务器可以精确指定它用到的那些。
你可能会说,缓存在这里并不重要。欺诈检查发生在你登录、付款或下单时,而那些请求从来不会被缓存。我同意,而这恰恰证明了问题所在。网络信号不该出现在普通页面抓取中。它们只对少数几个各自恰好属于一个用户的请求有意义。
这份草案里其实藏着两份草案。第一份为 Prefer 注册一个时区偏好,也许还会告诉 agent 通过 Accept-Language 传递你的语言。这部分很小、有用,而且很难反对。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。