攻擊者總有一天會突破你的防線。與其繼續把牆加高，不如讓突破本身變得昂貴到不值得。這是 Cloudflare 在 2026 年 8 月 31 日發布的 Adaptive Intelligence 背後的核心想法，一個全新的 bot 偵測引擎，目標是扭轉攻防之間的經濟學。
為什麼傳統偵測註定落後
Cloudflare 每天分析超過一兆個請求，他們觀察到攻擊者換戰術的速度，遠比防禦系統更新規則的速度快。規則式系統給攻擊者一個固定靶子：他們花幾天就能繞過，而模型可能要等幾個月才更新。
更麻煩的是，這種「確定性」偵測（同樣輸入永遠得到同樣輸出）會洩漏資訊。攻擊者可以透過自動化探測，慢慢摸清系統的邊界在哪裡。每一次乾淨的 yes/no 回應，都是免費的教學素材。
讓攻擊者的回饋迴路失效
Adaptive Intelligence 的出發點是：攻擊者終究會進來，所以重點是讓這個過程變慢、變貴。要做到這點，需要兩個條件同時成立：
- 防守方的反應成本要低於攻擊方的繞過成本。
- 攻擊者得不到穩定的回饋，無法從中學習。
如果兩者都成立，攻擊者的學習迴路就會反過來咬他們一口：學到的東西馬上過時，每一次新嘗試都比上一次更貴，直到放棄。
其中一個關鍵手法是「不反應」。Adaptive Intelligence 可以認出 bot，但故意不做出可見的反應，讓攻擊者繼續依賴一個他們不知道已經被看穿的訊號。同時，它把偵測當作統計判斷，而不是固定規則，因此是非確定性的，攻擊者無法隔離出單一邏輯來破解。
三個獨特元件：持續學習、一次性規則、從流量學習
Adaptive Intelligence 有三個元件，目前第一個已經上線，另外兩個即將推出。
持續自我改進：引擎在即時流量上不斷重新訓練。新的繞過工具或 bot 框架一出現，它馬上學起來，不用等排程更新。這週出現的手法，這週就能被認出來。
一次性規則生成：這是設計來讓攻擊者適應，但不會讓他們的 bot 變強的規則。系統針對特定攻擊生成規則，隨機時間部署與汰換，從不讓規則固定下來。攻擊者花力氣逆向工程出來的模式，很快就失效，讓他們的工程努力白費。
從保護的流量學習：當客戶標記誤判，或 Cloudflare 自己偵測到漏網之魚，這些修正都會變成訓練訊號。引擎會逐漸調整，反映客戶實際面對的威脅，而不是停留在舊的威脅快照。
安全部署：不讓誤傷真實用戶
自動更新最怕誤傷真實訪客。Cloudflare 很清楚這個風險，所以每個新偵測候選都要先經過測試：用最近的真實流量衡量它能抓多少已知自動化，以及誤判真實訪客的頻率。然後逐步推出，觀察分數分佈、挑戰結果和客戶回饋，隨時可以暫停或回滾。
每個更新都必須證明自己至少跟舊版一樣好，特別是在 precision 和 recall 這些關鍵指標上。
與 Precursor 的搭配
Adaptive Intelligence 不是單打獨鬥。上個月 Cloudflare 推出了 Precursor，一個注重隱私的持續行為驗證引擎，透過訪客在瀏覽器裡的行為（時機、移動、人類微訊號）來判斷自動化。兩者結合，一個看網路層的統計訊號，一個看瀏覽器內的行為，讓攻擊者更難隱藏。
對產品建構者的啟示
Adaptive Intelligence 的思維值得借鏡：與其追求完美的防禦，不如設計一個讓攻擊者成本遞增的系統。這需要持續學習、非確定性回應，以及對誤傷的嚴格把關。
目前這個引擎只對 Cloudflare 客戶開放，而且第二、三個元件還沒上線。但背後的原理——讓攻擊者的回饋迴路失效——是任何對抗惡意行為的系統都可以參考的方向。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。