摘要： Cloudflare 於 2026 年 8 月 31 日推出 Adaptive Intelligence，目標是讓 bot 攻擊變慢、變貴而難以持續。文中說明持續重訓是第一個已上線元件，一次性規則與流量學習尚未上線。偵測候選會先以最近真實流量驗證，再逐步推出。
你的防線遲早會被攻破。既然牆蓋得再高也擋不住，不如反過來想：讓攻擊者付出的代價高到不願動手。2026 年 8 月 31 日，Cloudflare 端出 Adaptive Intelligence——一套全新的 bot 偵測引擎，目標是把攻防雙方的經濟學翻轉過來。
傳統偵測為什麼註定追不上
在 Cloudflare 眼裡，每天要看的請求超過一兆個。規模這麼大，他們發現防禦方更新規則的速度，始終追不上攻擊方換招的速度。規則式系統替攻擊者立了一個不動的靶：繞過去只需要幾天，而模型改版往往要拖上幾個月。
麻煩還不只這樣。「確定性」偵測意味著同樣的輸入永遠得到同樣的輸出，等於把線索送給對方。自動化探測可以反覆試探，一步步把系統的邊界畫出來；而每一次乾淨的 yes/no 回覆，形同免費奉送教學素材。
拆掉攻擊者的回饋迴路
這套引擎的前提很簡單：攻擊者終究進得來。既然擋不死，那就讓整件事變慢、變貴。這需要同時滿足兩個條件：
- 防守方做出反應的成本，必須低於攻擊方繞過去的成本。
- 攻擊方拿不到穩定的回饋，也就無從學習。
兩個條件都成立時，攻擊者自己的學習迴路會反咬他們：學到的東西馬上過時，每次重試都比上一回更貴，最後只能放棄。
手法之一是「不反應」。引擎看得出對方是 bot，卻刻意不給任何看得見的回應，攻擊者因此繼續依賴一個自己不知道早已被看穿的訊號。偵測在這裡被當成統計判斷，不是固定規則，所以判斷結果非確定性；攻擊者想挑出一條邏輯單獨擊破，根本無從下手。
三個獨特元件：持續學習、用完即丟的規則，以及向流量學習
整套系統由三個元件構成。第一個已經上線，另外兩個還在路上。
持續自我改進：模型在即時流量上不停重訓。只要有新的繞過工具或 bot 框架出現，它立刻就學會，不必等排程更新——這週的手法，這週就認得出來。
一次性規則生成：這類規則要讓攻擊者不斷適應，卻不會把他們的 bot 練強。系統為特定攻擊產生規則，部署和汰換都挑隨機時間，規則從來不固定。攻擊者費力逆向出來的模式很快報廢，工程投入等於白做。
從保護的流量學習：客戶標記的誤判、Cloudflare 自己抓到的漏網之魚，全都轉成訓練訊號。引擎因此逐步貼近客戶真正面對的威脅，而不是停在舊的威脅快照上。
安全部署：不讓真實用戶被誤傷
自動更新最大的風險就是誤傷真實訪客，Cloudflare 對此很清楚。每一個偵測候選上線前都要先驗：拿最近的真實流量來量，它能抓出多少已知的自動化，誤判真實訪客的頻率又是多少。驗過了才逐步推出，過程中盯著分數分佈、挑戰結果與客戶回饋，隨時能暫停或回滾。
新版本還得證明自己不輸給被取代的舊版本，precision 與 recall 這兩項指標尤其關鍵。
搭配 Precursor 一起運作
這套引擎並不孤軍作戰。上個月 Cloudflare 端出 Precursor，一套講究隱私的持續行為驗證引擎，判斷依據是訪客在瀏覽器裡的行為——時機、移動、人類微訊號。兩邊合起來，網路層的統計訊號歸一邊，瀏覽器內的行為歸另一邊，攻擊者更難找到藏身之處。
產品建構者能學到什麼
這裡的思路值得產品建構者借鏡：與其追求滴水不漏的防禦，不如做一套讓攻擊者成本持續墊高的系統。前提是持續學習、非確定性的回應，再加上對誤傷的嚴格把關。
這套引擎目前只開放給 Cloudflare 客戶，第二與第三個元件也尚未上線。但「讓攻擊者的回饋迴路失效」這個原理，任何要對抗惡意行為的系統都能參考。