持续行为分析上线:Cloudflare Precursor 开始识别恶意机器人与 AI 自动化程序
Cloudflare 推出客户端行为分析引擎 Precursor,把检测范围从单次请求扩展到完整访问会话:它持续观察交互信号,在不依赖 CAPTCHA 等一次性验证的情况下,识别更擅长伪装成人类的机器人和 AI 自动化程序。
Cloudflare 推出客户端行为分析引擎 Precursor,把检测范围从单次请求扩展到完整访问会话:它持续观察交互信号,在不依赖 CAPTCHA 等一次性验证的情况下,识别更擅长伪装成人类的机器人和 AI 自动化程序。
传统机器人防护往往围绕单次请求建立判断:浏览器指纹是否异常、请求频率是否过高、访客能否通过一次挑战。问题在于,今天的自动化程序已经可以执行 JavaScript、运行真实浏览器环境,并在短时间内模拟出足够像人的交互。
真正难伪装的,是连续性。
阅读方式:流程越靠后,判断依据越不依赖某一个瞬间,而是依赖整段会话中行为是否持续一致。
Precursor 将 Challenge 的客户端检测能力扩展到整个 Web 应用,并作为企业级机器人管理体系的一部分,补充 Turnstile 等验证方案。它不是简单地增加一道门槛,而是把“访问过程”本身纳入安全信号。
系统会自动注入轻量级客户端脚本,在会话期间持续收集交互状态,再于边缘侧进行实时分析与关联。公开信息显示,重点信号包括:
注:以上是行为类别,不代表记录用户输入内容;系统强调使用聚合、保护隐私的遥测数据进行判断。
通过 CAPTCHA、指纹或速率规则判断某个时刻的访问是否可疑。攻击者只需针对这个瞬间进行伪装。
将多个页面、多个交互节点串联起来,观察行为是否符合自然的反应时间、移动轨迹与访问节奏。
对比说明:左侧强调单点验证,右侧强调时间跨度;两类机制可以协同,并非简单的替代关系。
机器人可以添加随机延迟,甚至生成随机光标移动,但人体行为受到手腕运动、认知习惯、反应时间和细微手部颤动影响,通常不会在长时间内保持机械的一致性。Precursor 试图利用的,正是这些难以批量复制的微小差异。
Precursor 的技术方向并不孤立,Google Cloud Fraud Defense、AWS WAF Bot Control 等服务同样使用行为信号,只是架构和检测方式不同。行业正在共同从“请求级防护”走向“会话级分析”。
但更长的观察,也意味着更大的权力。
注:风险条是编辑对公开争议的结构化呈现,不是官方评分;条越长,代表需要优先回答的问题越多。
质疑主要集中在两点:一是由大型平台持续判断“什么像人”可能形成新的互联网行为仲裁权;二是公开更多人类行为特征,可能反过来帮助机器人开发者训练出更逼真的伪装。检测与反检测,很可能进入长期迭代。
Precursor 目前以公开测试版向所有 Cloudflare 客户开放,在正式发布前保持免费。它定位为企业级机器人管理能力的一部分,并与现有的 Challenge、Turnstile 等机制协同工作。
Precursor 把机器人检测推进了一步:它更可能减少 CAPTCHA 摩擦,也更可能扩大平台对用户行为的持续观察;真正的竞争焦点,不只是“谁更会识别人类”,而是谁能在检测效果、隐私边界与误伤救济之间建立可验证的平衡。
Cloudflare 客户可在控制台查看 Precursor 公开测试版能力;正式发布前免费。建议先在监测模式下评估流量质量与误判情况。