揭示代理互联网上的好与坏行为
内容提要
Cloudflare推出Precursor系统，通过持续行为分析区分人类与机器人流量，评估信任而非仅风险。该系统已处理2.06亿次事件，能捕捉会话中段的可疑行为及人机切换。同时发布Precursor Trace交互演示，并预告自适应智能检测引擎，无需手动升级即可应对新威胁。未来将提供AI迷宫、随机响应等高级缓解措施，帮助网站所有者管理代理流量。
延伸解读
信任与风险：从静态检查到持续评估
文章强调，传统的一次性风险检查（如CAPTCHA）缺乏上下文，而基于行为的信任评估能捕捉整个会话的线索。Precursor系统通过持续分析用户行为，区分人类与机器人，并识别会话中段的可疑行为及人机切换。这种动态评估方式有助于网站所有者更精准地管理流量，避免误伤合法用户。
Precursor的实战数据与意义
在24小时内，Precursor处理了2.06亿次事件，覆盖73,438个区域。数据显示，可疑行为常发生在会话中段，且行为可能在人类与代理之间切换。这验证了持续检测的必要性，也提醒网站所有者需理解用户意图，避免阻断他们真正想要的流程。
自适应智能引擎：应对快速演变的威胁
传统的Bots ML模型需要手动升级，但机器人适应速度极快。自适应智能引擎能够自我学习和调整，无需客户手动升级即可获得最新检测能力。这标志着从静态模型向动态、自我进化的检测系统的转变，有助于应对不断变化的攻击手法。
高级缓解措施：从阻断到引导
文章提出三种针对机器人的缓解策略：随机响应（如随机阻断、挑战或允许）打破自动重试逻辑；AI迷宫通过生成无限页面或虚假内容浪费机器人计算资源；对良性代理流量进行排队管理。这些措施旨在影响机器人行为，而非简单阻断，体现了更精细的流量管理思路。
Q&A
Cloudflare的Precursor系统是如何区分人类和机器人的？
Precursor是一个持续性的客户端检测系统，通过分析整个用户会话中的行为（如鼠标移动轨迹）来评估信任，而不是仅依赖单次检查。它能够捕捉会话中段的可疑行为以及人机切换，从而更准确地识别机器人。
Cloudflare如何定义风险与信任？
Cloudflare将风险视为某个请求或行为可能造成伤害的可能性，通常是短暂的；而信任是基于长期行为积累的声誉。两者是独立但相互关联的，信任是做出明智决策的关键因素。
什么是BotBase？它和之前的Bots Directory有什么不同？
BotBase是Cloudflare的机器人目录，不仅包含已知的好机器人，还跟踪不太好的机器人。它要求机器人声明身份且不滥用信任，否则会被取消验证。相比之前的Bots Directory只包含好机器人，BotBase提供了更全面的信息。
Precursor Trace是什么？
Precursor Trace是一个交互式演示，允许用户模拟自己的鼠标移动，并展示Precursor如何评估这些移动是人类的还是机器人的。它展示了加速、修正等信号，帮助用户理解检测机制。
Cloudflare的Adaptive Intelligence引擎有什么特点？
Adaptive Intelligence是一个自适应检测引擎，能够根据新看到的流量模式自我学习和调整，无需手动升级模型版本。它基于历史数据训练，但会持续进化，以应对快速变化的机器人威胁。
Cloudflare计划提供哪些高级缓解措施来应对机器人？
Cloudflare计划推出三种高级缓解措施：1) 随机响应，对疑似自动化流量随机返回阻止、挑战或允许，破坏机器人的重试逻辑；2) AI Labyrinth，用AI生成的无限网页迷宫消耗恶意机器人的资源，并提供三种选项（迷宫、摘要、毒化）；3) 对好机器人进行排队，管理合法自动化流量的吞吐量。
根据文章，网站所有者如何开始建立信任生态系统？
网站所有者可以采取以下步骤：启用Precursor、尝试Precursor Trace演示、探索BotBase。通过采用持续信任评估而非静态检查，可以更好地管理代理流量。
