Cloudflare：发布 Precursor——以持续客户端信号识别「像人一样」的 agentic 自动化行为

一、问题：agent 越来越像人

随着 AI agent 与浏览器自动化工具成熟，传统指纹识别（User-Agent、Canvas 指纹、一次性 JS 挑战）已难以区分真实人类与伪装成人类的自动化。bot 经营者用 headless 浏览器、被控住宅代理与 AI 编排，使流量在单次请求层面与人类无异，导致撞库、内容抓取、欺诈性账号注册与凭证填充攻击大量绕过既有防御。

二、Precursor 的方法

Cloudflare 的 Precursor 不再依赖单一静态指纹，而是采集持续客户端信号：在会话生命周期内观察交互的时序、输入节奏、事件序列与行为一致性，并把这些信号与「人类基线」和「已知自动化基线」做比对。关键点在于「持续性」——单帧看似人类的动作，在更长窗口里会暴露出机器特有的规律（如零延迟重复、无鼠标轨迹、固定节拍），从而被识别。

三、信号与判定

Precursor 在每个请求上附加对 agentic 行为的置信度评分，使防护策略可按风险分级：对高置信度自动化施加挑战（如托管质询、速率限制或拦截），对低置信度流量放行以减少误杀。该能力对依赖登录态的接口（登录、注册、API、结账）尤为关键，可显著降低撞库与凭证填充的成功率，同时保护正常用户的顺畅体验。

四、对防御者的价值

对邮件系统与安全运营团队：① 将「行为基线」纳入边界与身份层检测，而非仅看 IP/指纹；② 对登录与注册接口叠加 agentic 行为评分，提升抗自动化能力；③ 警惕攻击者用住宅代理＋AI 编排规避检测，需结合持续信号而非单点特征；④ 将 Precursor 类能力视为 AI 时代 bot 管理的新基线。参见 同批 Cloudflare 源 与我们的 SPF/DKIM/DMARC 部署检查清单。

了解更多行业资讯，请访问 行业资讯首页 或致电 021-69753778 获取安全咨询服务。

相关文章

• 安全威胁分类总览

—— ztpop.net 编辑团队 译