打破确定性防御：为什么 Cloudflare 试图用经济博弈取代传统的 Bot 拦截规则
传统的防御逻辑几乎都是「设定规则 → 发现绕过 → 补写新规则」。这种模式在技术上被称为确定性（Deterministic）防御。简单来说，只要请求的特征 A、B、C 满足某个条件，系统就永远返回 403 拦截；如果不满足，就永远放行。这种极强的确定性，让攻击者可以通过大规模的探测，像做数学题一样快速摸清你防御边界的坐标。
现在的 Bot 攻击已经高度产业化了，攻击者手里攥着数以万计的住宅代理 IP（Residential Proxies），他们不需要暴力撞库，而是通过低频、分散的请求来模拟真实用户。如果你的系统对同一个特征的请求始终给出同样的反馈，攻击者只需要运行几千次自动化脚本，就能通过排除法推导出你的过滤逻辑。这时候，防御方的维护成本在指数级上升，而攻击者的学习成本却被压到了极低。
在这种背景下，Cloudflare 提出的 Adaptive Intelligence 实际上是在尝试一次底层逻辑的切换：从「是非题」转向「博弈论」。
传统的拦截是二元的，要么过，要么不过。但 Adaptive Intelligence 的核心思路是打破这种确定性，让拦截变得不可预测。当攻击者无法通过简单的探测来获取稳定的反馈时，他们就无法通过迭代脚本来快速绕过。如果攻击者发现无论怎么调整 User Agent 或更换 IP 代理，攻击的成功率和响应速度都变得随机且不可控，那么这种攻击在经济学意义上就失去了价值。
我们可以把这种转变拆解为三个维度的对抗：
首先是针对「分布式特征」的对抗。现在的攻击者极其阴险，他们会把请求分散在巨大的代理网络中，单个 IP 的请求频率低到几乎无法触发传统的 Rate Limiting（速率限制）。而且每个请求的指纹都在动态变化。如果还死守着 IP 黑名单或简单的正则匹配，基本相当于在用筛子接水。
其次是应对「流式攻击」。现在的 Bot 不再是简单的单点攻击，而是在登录、结账、找回密码这些关键业务流中缓慢渗透。这种攻击潜伏期长，特征不明显，传统的静态规则很难在不误伤真实用户的前提下将其拦截。
最后是解决「防御滞后」的问题。在实际生产环境中，传统的规则更新周期往往是以周甚至月为单位的，而攻击者的工具迭代是以小时为单位的。这种时间差导致防御方永远在追赶。
我认为 Adaptive Intelligence 最深刻的洞察在于：防御者的目标不应该是追求 100% 的拦截率（因为这在工程上几乎不可能实现），而应该是让攻击者的「投入产出比」变成负数。
当防御机制变得自适应且不可预测时，攻击者为了绕过检测需要投入的算力、时间以及购买高质量代理 IP 的成本将大幅增加。对于那些靠卖 Bot 服务赚钱的团队来说，这种“搞心态”的防御方式比直接封 IP 要难受得多，因为他们无法向客户承诺一个稳定的绕过率。
这种将安全问题从单纯的技术对抗，拉升到经济博弈维度的思路，才是应对现代产业化 Bot 攻击的正确姿势。
