AI 摘要
- Cloudflare推出Adaptive Intelligence持續偵測自動化攻擊。
- 系統會從即時流量學習並產生短效防禦規則。
- Adaptive Intelligence可分析低頻及緩慢的攻擊行為。
Cloudflare 於 2026 年 9 月 3 日推出 Adaptive Intelligence。這是一套直接建構於 Cloudflare Bot Management 的持續偵測引擎，主要利用全球網絡中的大量流量洞察，從即時流量元訊號自主學習，並產生具時效性的防禦規則。
Cloudflare 表示，Adaptive Intelligence 的設計目標，是提高攻擊者持續發動自動化攻擊所需的時間與成本，令攻擊者在攻擊形成規模前，已需要重新投入工程與開發工作。
自動化攻擊變得更容易發動
過去，發動大規模自動化網絡攻擊通常需要較高的工程技術；但隨着現代人工智能及低成本線上工具普及，相關門檻已經下降。攻擊者可以租用由受入侵裝置組成的網絡，利用真實住宅寬頻地址隱藏來源，亦可透過免費軟件模擬基本的人類操作行為。
這種情況令企業安全團隊面對不對稱的攻防環境。攻擊者可以低成本持續嘗試，直至找到可行方法；安全團隊則需要即時阻擋威脅，同時避免誤封真正的訪客及客戶。
Cloudflare 指出，許多傳統網絡安全軟件仍依賴定期更新，更新週期可能需要數星期甚至數月。然而，現代攻擊手法可能在數小時內改變，部分變化更可能以分鐘計算，令企業難以及時調整防禦。
以持續學習取代固定防禦
Cloudflare Adaptive Intelligence 與依賴定期更新的傳統機械人防禦方案不同，Cloudflare 將其描述為一個持續學習的單一智能中樞。系統每天分析逾一兆次網頁造訪，並從即時流量中識別新型威脅。
- 持續防禦：機器學習模型持續分析即時流量，將新出現的機械人框架及繞過手法整合至偵測引擎，無須等待人手更新或定期版本發佈。
- 迫使攻擊者重新部署：系統會自動生成針對性較高的短效規則，封鎖特定威脅。相關規則會持續輪替，增加攻擊者摸清防禦機制及取得持久進展的難度。
- 偵測潛伏式攻擊：系統可同時分析不同時間範圍的行為模式，偵測低頻及緩慢進行的威脅，包括慢速憑證填充與資料爬取攻擊。
- 區分惡意意圖與真實用戶：系統結合 Cloudflare Precursor 收集的瀏覽器層面工作階段行為訊號，以及全球邊緣網絡遙測數據，以多層架構評估自動化操作及濫用行為。
- 自動部署安全升級：安全更新會在背景針對即時流量進行測試，並在正式部署前確認準確度，以減少誤判；整個過程不需要停機。
Cloudflare：防禦重點在於改變攻擊經濟模式
Cloudflare 技術總監 Dane Knecht 表示：「當擴大攻擊規模的成本近乎零，單靠築起更高的圍牆已無法有效防禦。要阻止現代機械人攻擊，關鍵在於顛覆攻擊者的經濟模式。」
他指出，傳統防禦如同固定目標，攻擊者可以有系統地逐步破解；Cloudflare Adaptive Intelligence 則透過持續變化的防禦機制，令攻擊者投入的工程與開發工作在攻擊形成規模前失效。
持續變化帶來的防禦取捨
從 Cloudflare 公布的功能來看，Adaptive Intelligence 主要針對攻擊手法快速變化、低頻潛伏及自動化工具繞過等問題。短效規則與自動測試有助於縮短防禦調整週期，而多時間範圍的行為分析則瞄準可能避過傳統防禦的慢速攻擊。
不過，Cloudflare 提供的資料主要集中於產品設計、運作方式及預期效益，來源未有公布獨立測試結果、誤判率或實際部署成效。企業採用相關方案時，仍需按自身流量特性、用戶體驗要求及安全政策評估。
Reference Link : itpromag.com
