EdgeOne Bot 管理 × AI 升级：当攻击者用 AI 伪装成“真人”，防护靠什么分辨真假？

01 一个自动化工具，声称自己是 Chrome 浏览器

任何一个有网页业务的网站，流量里都混着两拨"看起来一样"的人：一拨是用浏览器正常浏览的真实用户，一拨是批量刷接口、爬内容的机器流量。

过去分辨它们，靠的是"黑特征"下规则：指纹像工具、UA是 requests、IP 是代理，命中就拦。但这套办法现在越来越不好使了，因为攻击者用上了 AI。

我们统计了Github上含有AI/LLM标签的爬虫类项目增长趋势，可以看到AI 对爬虫工具的渗透率仍在持续走高。

02 攻击者怎么用 AI：把机器流量扮成“真人”

传统规则的逻辑是"识别坏的特征"。但现在攻击者在 AI 加持下生成的各种自动化工具，包括 AI 浏览器，自带隐身技术（隐藏自动化检测点），高度伪造"白"特征，把 TLS 指纹、UA 都伪装成一个正常的浏览器，让机器流量在特征层面看起来和真人几乎一样。

关键的是，AI 降低了作恶门槛、加快了对抗节奏，即使是一个完全不懂编程的攻击者，也可以用一句"去这个网站把商品价格抓一下"，就能完成过去需要一个高级爬虫工程师一周的工作。

某 AI 浏览器自动化界面，用户仅需一句自然语言指令，即可自动抓取数据

于是防护陷入两难：要么漏防，工具伪装成真人，规则识别不出来直接放行；要么误杀，为了拦住伪装流量加重规则，又把真实用户一起拦了。

更麻烦的是"黑白共用特征"：同一个指纹，可能 80% 是坏人在用、20% 是好人在用。直接拦就误伤那 20%；想摘出好人，规则只能越写越复杂，还容易被坏人快速 debug，让防守陷于被动。

03 我们的解法：用 AI 对抗 AI

好在，攻击者能伪造某一个、几个维度，却难完美伪造所有维度，通过 AI ，我们可以更大范围地从蛛丝马迹中捕获攻击行为。

AI Agent驱动的风控闭环

EdgeOne 这次 Bot 管理的 AI 升级，一方面让 AI 进行 Loop 工程，主动根据异常提炼针对性的防护规则， 改变专家经验被动响应的局面。另一方面让 AI 训练评分模型，去刻画请求的风险程度，不管来自浏览器、App 还是 API，进入 EdgeOne 的请求都会被 AI 的模型打上一个风险评分，刻画它更"像真人"还是"像机器"。

AI 生成的防护规则和评分模型中，规则管边界清晰的部分，评分模型管模糊地带。而对于"80% 坏人 / 20% 好人共用指纹"，评分模型则在高维空间里把两者分开，在不明显增加误杀的前提下，检出更多恶意流量。

04 真实效果：线上大盘多检出约 20% 的恶意流量

从「智能分析」的线上流量日志中随机抽取某天的请求样本，分别用旧的规则体系和 AI 模型跑一遍打击量对比。在大盘误伤无明显波动的前提下，AI 模型相比传统规则，多检出约 20% 的恶意流量。换句话说，这部分增量全部为旧规则体系无法识别的伪装流量，属于"增量补盲"而非简单替代。

此外，AI 评分模型也使得柔性打击的体验变得更好，即对于阈值附近判灰的可疑流量，用 JS 挑战 / 验证码等手段进一步研判，避免了对正常用户的骚扰。

光看数字可能还不够直观。下面用两个已落地的业务场景，看 AI 评分模型上线前后，防护到底发生了什么变化。

场景一：某外部业务被黑产爬取图片资源，使用AI模型后可提升3倍恶意识别量

某网站提供图片、素材等资源，长期被爬虫盯上。攻击者不按常理出牌——他们把机器流量的 TLS 指纹、UA 全套伪装成正常浏览器，旧规则的逻辑是"认黑特征"，可对方根本没露出破绽，于是原基线规则只能在低位兜住一小部分恶意流量，大量伪装请求畅通无阻地挤进后台，资源被白白爬走，服务器还跟着吃紧。

AI 进场后做的事，是先"读懂"这批攻击的行为特征，再提炼出针对性打分规则。规则一上线，原本漏掉的恶意流量被成片补进打击范围，整体恶意识别量提升到原来的约 3 倍，而正常用户的误伤并没有明显波动。

场景二：某内部业务，通过AI打分阻断爬虫攻击，保障后台服务稳定

这个平台的页面访问量（PV）原本是一条平缓的曲线。可一到爬虫活跃期，曲线就像心电图一样上上下下，后台告警也被这些尖峰一次次触发，很难判断哪些是真人在看、哪些是机器在刷。

AI 接手后，先学习了平台正常的访问基线，再据此更新打分规则。规则生效后，PV 曲线重新落回平滑区间，那些扰人的尖峰消失了，后台告警也跟着安静下来。对普通用户而言，最直观的体感就是：页面不卡了、内容不被刷屏干扰了，访问体验回到了正常状态。

两个场景看似行业不同，本质却是一回事：攻击者都在"像真人"的伪装下作业，靠黑名单或原基线规则很难一眼识破；而 AI 评分模型不去死磕单点特征，而是刻画每次请求的风险程度，把原本从指缝间漏掉的恶意流量，稳稳地补进了打击范围。

这次升级不挑行业——只要是有 Web 页面、以浏览器访问为主的业务都适用：内容社区、招聘 / 分类信息、电商营销活动页……这些场景的共同点是：攻击者会把自己伪装成正常浏览器，靠黑名单难分辨，而评分模型能识别出"它声称是浏览器，但其实不是"。

继 DDoS、Web 防护之后，Bot 管理 × AI 升级也即将上线，敬请期待。想了解该能力是否适合您的场景？和方案专家聊一聊。