Cloudflare'nın Bot Yonetimi platformu , bir "derinlemesine savunma" modelini izler. Bot Yonetiminin her katmanının kendine ozgu guclu ve zayıf yonleri olmasına rağmen, Makine Oğrenimi, kural tabanlı buluşsal yontemler, JavaScript zorlukları ve daha fazlası dahil olmak uzere bircok farklı algılama sisteminin kombinasyonu, farklı algılama sistemlerinin birbirlerini telafi ettiği sağlam bir platform oluşturur. zayıflıklar.

Bu sistemlerden biri, basit bir fikirle motive edilen bir platform olan Anomaly Detection'tır: botlar, kimlik bilgilerini doldurma veya icerik kazıma gibi belirli hedefleri gercekleştirmek icin yapıldığından, web siteleriyle farklı ve gizlenmesi zor yollarla etkileşime girerler. Zamanla, bir botun eylemleri gercek bir kullanıcının eylemlerinden farklı olabilir. Anormallik algılama, meşru kullanıcı trafiğinin ozelliklerini sağlıklı bir temel olarak modellemeyi amaclar. Daha sonra, otomatik bot trafiği bu temele gore ayarlandığında, botlar azaltma icin hedeflenebilecek dışta yatan anormallikler olarak gorunur.

Bir anormallik algılama yaklaşımı şudur:

İstek meta verilerini (or. Kullanıcı aracıları) taklit ederek korumaları atlatmaya calışan botlara karşı dayanıklı Onceden gorulmemiş botları kendilerine karşı acıkca eğitilmeden yakalayabilir. Peki bu ne kadar iyi calışıyor?

Gunumuzde Anormallik Algılama, saniyede 500.000'den fazla isteği işliyor. Bu, diğer bot yonetim sistemleri tarafından zaten yakalanan trafik veya tamamen engellenmiş trafik haric, dakika başına 200.000'den fazla CAPTCHA'ya cevrilir. Bu şupheli botlar 140'tan fazla farklı ulkeden ve 2.200 farklı ASN'den geliyor. Ve tum bunlar, kayıtlı her siteye ozgu otomatik olarak oluşturulmuş referanslar ve ziyaretci modelleri kullanılarak gercekleşir - siteler arası analiz veya manuel mudahale gerekmez.