Cloudflare 于 2026 年 8 月 31 日宣布推出名为 Adaptive Intelligence 的新型机器人检测引擎，旨在将自动化攻击视为一场不断变化的经济竞赛，而不只是试图阻止每一个可疑请求。该引擎首先根据实时流量信号，持续重新训练 Bot Score 背后的机器学习模型，而不是等待固定模型的定期版本发布。
Cloudflare 表示，机器人运营者可以通过大型住宅代理网络分散请求，降低每个地址的请求速率，并改变用户代理和机器人指纹，从而使单独分析每个请求时，会话看起来像是正常访问。仅依靠速率限制规则很难发现这种模式，尤其是当攻击缓慢延伸至登录、支付或账户恢复流程时。
新引擎发生了哪些变化？
Adaptive Intelligence 运行在现有的 Bot Score 之后。Bot Score 原本就结合了机器学习、行为验证、JavaScript 指纹、一系列启发式规则，以及对已知且有记录的机器人（例如搜索引擎爬虫）的检查。Cloudflare 表示，该引擎不再依赖一个在输入重复时始终产生相同结果的固定规则，而是通过多种信号，从统计角度评估自动化滥用的可能性。
发布时可用的组件是持续重新训练。模型会从实时流量中出现的检测绕过工具和新型机器人框架中学习，随后在网络中分发新的权重，无需客户选择版本或安排升级。至于可丢弃规则的生成，以及从其保护的流量中进行更广泛的学习，这两个组件将于稍后推出，公司表示。
observe、train、deploy、validate 循环
Cloudflare 将其工作机制描述为由四个阶段组成的自动化循环：观察信号、训练模型、部署更新，然后验证其安全性。这些信号包括 JA4 类型的 TLS 指纹、请求结构、挑战结果、会话行为、网络信誉以及更高层级的信号，还包括来自 Turnstile 和 Precursor 的数据。
该引擎通过多个时间窗口监控流量；短时间窗口可能发现突然增加的流量，而较长时间窗口则能说明分布在数千个地址、客户和会话中的重复行为。在将模型新版本作为主要防线之前，Cloudflare 会让它与当前版本并行运行于影子模式，不影响访客，并比较结果，包括挑战解决率。如果新版本似乎会提高将真实用户错误分类的可能性，则不会启用该版本，按照公司的描述。
为什么这则消息重要？
实际变化在于，将部分响应周期从“团队编写规则，然后等待测试和部署”的模式，转移到根据不断变化的信号进行学习的模型上。尤其是面临 credential stuffing、分布式 scraping，或蓄意保持在速率限制阈值以下的攻击的网站运营者，将从中受益。
Cloudflare 还将 Adaptive Intelligence 与其上个月推出的 Precursor 引擎联系起来。Precursor 会验证浏览器会话内的持续行为，例如时序、动作和细微的人类信号。据公司称，每个引擎收集的信号都可能使绕过另一个引擎变得更加困难，同时 Precursor 的设计重点是隐私保护。
可用性与限制
Enterprise 客户需要在 Bot Management 控制台中启用 Auto Update Machine Learning 选项，才能自动获得 Adaptive Intelligence；Bot Score 将继续使用，版本或设置无需改变。该引擎的实际性能细节，例如改进幅度或其在不同类型网站上的影响，尚未在相关材料中提供；此外，Cloudflare 尚未推出已宣布的另外两个组件。因此，目前的描述证实了产品战略及其部署机制，但没有提供能够证明其优于其他检测解决方案的独立比较。