본 논문은 다중 모달 대규모 언어 모델(MLLM) 기반 웹 에이전트에 대한 새로운 공격 기법인 EnvInjection을 제안합니다. EnvInjection은 웹 페이지의 소스 코드를 수정하여 렌더링된 웹 페이지의 원시 픽셀 값에 변화를 추가함으로써, 웹 에이전트가 공격자가 원하는 특정 행동(목표 행동)을 수행하도록 유도합니다. 원시 픽셀 값과 스크린샷 간의 매핑이 미분 불가능하다는 어려움을 극복하기 위해, 해당 매핑을 근사하는 신경망을 훈련하고 투영된 기울기 하강법을 적용하여 최적화 문제를 해결합니다. 여러 웹 페이지 데이터셋에 대한 광범위한 평가 결과, EnvInjection이 기존 기법보다 훨씬 효과적임을 보여줍니다.