Cloudflare در تاریخ 31 اوت 2026 از راهاندازی Adaptive Intelligence خبر داد — موتوری درون Bot Management که بهطور خودکار قوانین مسدودسازی را در حین حمله مینویسد و خود آنها را اجرا میکند. این اعلامیه بهطور مستقیم نامگذاری شده است: «تضعیف اقتصاد هر حملهای از سوی رباتها». برای همه کسانی که به پارسینگ، نظارت بر قیمتها و چندحسابداری مشغول هستند، این یک انتشار عادی نیست: این موضوع فرضیه اصلی که کار در سالهای اخیر بر اساس آن استوار بود — اینکه دور زدن پیدا شده همچنان کار میکند — را نقض میکند.
چه چیزی راهاندازی شده است
Adaptive Intelligence یک محصول جداگانه نیست، بلکه بازسازی نحوه محاسبه نمره ربات است. Cloudflare سه مؤلفه را که بهطور متوالی ارائه میشوند، مشخص میکند:
- آموزش مداوم ML. مدل پایه نمره ربات قبلاً بهعنوان نسخهای ثابت ارائه میشد — آن را با انتشارها بهروزرسانی میکردند. اکنون این مدل بهطور مداوم بر روی ترافیک زنده شبکه آموزش میبیند.
- قوانین یکبار مصرف (disposable rules). موتور قوانین خاصی را برای تهدید خاصی تولید میکند، آنها را اجرا کرده و در فواصل تصادفی از بین میبرد. این قانون به گونهای طراحی شده است که به سرعت منسوخ شود.
- آموزش بر روی ترافیک زنده. سیگنال آموزشی شامل بازخورد مشتریان و مواردی است که سیستم نتوانسته است شناسایی کند — آنچه که سیستم دیروز نتوانسته است شناسایی کند، امروز بهعنوان نشانهای شناخته میشود.
CTO Cloudflare، داین کنت، منطق را با یک جمله بیان کرد: ساختن دیوارهای بلندتر بیفایده است، زمانی که هزینه مقیاسپذیری حمله عملاً برابر با صفر است. از این رو، تغییر جهت: به جای اینکه مسدودسازی را قویتر کنند، آن را غیرقابل پیشبینی میکنند.
کدام سیگنالها توسط موتور تجمیع میشوند
Cloudflare منابعی را که Adaptive Intelligence بهطور همزمان وزن میکند، فهرست میکند:
- اثر انگشت JA4 از دست دادن TLS؛
- ساختار درخواستهای HTTP؛
- نتایج چالشها (قبول شده، رد شده، به چه صورت)؛
- رفتار درون جلسه؛
- شهرت شبکهای که درخواست از آن آمده است؛
- تلمتری مشتری Turnstile و Precursor — موتور اعتبارسنجی رفتاری که در ژوئیه 2026 راهاندازی شد؛
- اثر انگشت JavaScript؛
- کتابخانهای از هوریستیکها و تأیید رباتهای شناخته شده.
تفاوت اصلی با نسل قبلی در اعلامیه به این شکل بیان شده است: شناسایی دیگر دترمینیستی نیست. قبلاً ورودی یکسان خروجی یکسانی داشت و این میتوانست با آزمون و خطا یاد گرفته شود. اکنون تصمیمگیری — یک قضاوت آماری بر اساس مجموعهای از سیگنالها بهطور همزمان است و هیچ تکهای از منطق وجود ندارد که بتوان آن را ایزوله کرده و دور زد.
چرا این موضوع درباره مقیاس است، نه درباره کلمات زیبا
زمینهای که Cloudflare این کار را انجام میدهد، شدت این اقدام را توضیح میدهد. شبکه بیش از یک تریلیون درخواست در روز را برای نشانههای خودکارسازی تحلیل میکند. بر اساس دادههای Cloudflare Radar، تا نیمه سال 2026، ترافیک خودکار از ترافیک انسانی پیشی گرفته است: حدود 57٪ از درخواستها به وبسایتها مربوط به رباتها و تقریباً 43٪ به انسانها است. متی پرینس بهطور عمومی اعتراف کرده بود که انتظار داشت این مرز تا پایان سال 2027 بهدست آید — ترافیک رباتها سریعتر از پیشبینیها رشد کرده است.
زمانی که بیش از نیمی از درخواستها خودکار هستند، مدل ثابت محکوم به شکست است: هر آستانهای به سرعت بهعنوان یک واقعیت عمومی شناخته میشود. بهطور جداگانه ذکر شده است که Adaptive Intelligence رفتار را در زمانهای مختلف تحلیل میکند — تا کمپینهای کندی را که عمداً زیر آستانههای نرخ نگهداری میشوند، شناسایی کند. تاکتیک «به آرامی میزنم، پس متوجه نمیشوند» دیگر قابل اعتماد نیست.
یک جزئیات دیگر که به راحتی ممکن است نادیده گرفته شود: شناساییهای جدید ابتدا بر روی ترافیک زنده در پسزمینه اجرا میشوند، برای دقت و اشتباهات کاذب بررسی میشوند و تنها پس از آن فعال میشوند — بدون زمان خاموشی. به این معنی که Cloudflare اکنون یک خط تولید برای انتشار قوانین دارد که به یک چرخه انتشار در هفتهها یا ماهها نیاز ندارد. در زمان اعلام، این قابلیت برای مشتریان Bot Management در دسترس است و آموزش مداوم از طریق تنظیم Auto Update Machine Learning در داشبورد فعال میشود.
این موضوع در عمل چه تغییری ایجاد میکند
بیایید صادقانه بررسی کنیم، بدون وحشت. Adaptive Intelligence «پارسینگ را نمیکشد» — بلکه الگوی کاری خاصی را از بین میبرد.
1. دور زدن دیگر یک دارایی با عمر طولانی نیست
قبلاً چرخه به این صورت بود: یک هفته صرف انتخاب ترکیب (سرعنوانها، ترتیب TLS، زمانها، نوع IP) میشد، یک پیکربندی کارآمد پیدا میشد — و آن را ماهها اجرا میکردند، گاهی اوقات با تعمیرات جزئی. با قوانین یکبار مصرف با زمان عمر تصادفی، این چرخه شکسته میشود: پیکربندی که صبح بهخوبی کار میکرد، ممکن است عصر به قانونی برخورد کند که صبح وجود نداشت و فردا دیگر وجود نخواهد داشت. هزینههای مهندسی از «یافتن دور زدن» به «نگهداری زیرساختی که تغییر قوانین را بدون مداخله دستی تحمل میکند» منتقل میشود.
2. پیکربندی یکسان برای کل مجموعه به یک آسیبپذیری تبدیل میشود
اگر تمام ترافیک شما یکسان به نظر برسد — یک JA4 یکسان، یک ترتیب سرعنوان یکسان، یک ریتم درخواست یکسان — آنگاه یک قانون باریک که یک جریان را شناسایی کرده، همه را به زمین میزند. دقیقاً بر اساس این یکنواختی، اقتصاد قوانین یکبار مصرف ساخته شده است: آنها باریک هستند، اما کل خوشهای از مشتریان مشابه را پوشش میدهند. تنوع در ترافیک خود دیگر یک احتیاط نیست و به یک الزام تبدیل میشود.
3. اهمیت منبع IP افزایش مییابد، نه کاهش
شهرت شبکه بهطور مستقیم در میان سیگنالهای وزندار ذکر شده است. زمانی که تصمیمگیری آماری است، هر سیگنال نمره نهایی را تحت تأثیر قرار میدهد: یک درخواست ضعیف از نظر IP نیاز به بینقصی در تمام ابعاد دیگر دارد. زیرشبکههای مراکز داده با ASN مشخص در اینجا علیه شما عمل میکنند — آنها نشانهای آماده، پایدار و ارزان برای محاسبه را به مدل میدهند. پروکسیهای مسکونی و بهویژه موبایل زمینه شبکهای را فراهم میکنند که خود بهعنوان مدرکی نیست: پشت یک IP موبایل از طریق CGNAT صدها مشترک زنده نشستهاند و مسدود کردن چنین آدرسی برای مدافع هزینهبر است و منجر به اشتباهات کاذب میشود.
4. معیار موفقیت تغییر میکند
با قوانین زودگذر، اندازهگیری «کار میکند / کار نمیکند» بهصورت یکباره بیمعنا است. سهم پاسخهای موفق در طولانیمدت و هزینه یک ورودی موفق با احتساب تلاشهای مجدد اهمیت پیدا میکند — ما بهطور مفصل بررسی کردیم که چرا قیمت به ازای هر گیگابایت گمراهکننده است و باید هزینه نتیجه مفید را محاسبه کرد. با Adaptive Intelligence این شکاف تنها افزایش مییابد: ترافیکی که برای تلاشهای مسدود شده صرف میشود، همچنان هزینهبر است.
چگونه کار را بازسازی کنیم
حداقل عملی که در هفتههای آینده باید انجام شود:
- نظارت بر کاهش عملکرد را وارد کنید، نه فقط بر شکست. هشدار باید در صورت کاهش نرخ موفقیت به 10–15٪ در یک پنجره متحرک فعال شود، نه در صورت شکست کامل. با قوانین یکبار مصرف، ممکن است هیچ شکست کاملی وجود نداشته باشد — بلکه کاهش تدریجی خواهد بود.
- اثر انگشتها را درون مجموعه پراکنده کنید. نسخههای مختلف از استک مرورگر، پروفایلهای مختلف TLS، زمانهای مختلف. هدف این است که یک قانون باریک بخشی از ترافیک را پوشش دهد، نه همه آن را.
- از تأخیرهای سختگیرانه خودداری کنید. یک وقفه ثابت 2 ثانیه یک سیگنال است. پراکندگی با توزیع واقعگرایانه ارزانتر از آنچه به نظر میرسد، تمام میشود.
- مجموعهها را بر اساس اهمیت وظایف تقسیم کنید. درخواستهای اکتشافی و جمعآوری محصول نباید از یک آدرس ارسال شوند: اطلاعات اکتشافی که لو رفته نباید جریان اصلی را تحت تأثیر قرار دهد.
- بودجه برای تلاشهای مجدد را دوباره محاسبه کنید. فرض کنید که سهم تلاشهای ناموفق بیشتر از قبل نوسان خواهد داشت و این یک حالت عادی است، نه یک حالت اضطراری.
- به دستورالعملهای عمومی دور زدن تکیه نکنید. هر ترفند گستردهای سریعتر از قبل به مجموعه آموزشی میرسد: موارد شناسایی نشده اکنون بهطور واضح به سیگنال آموزش میپیوندند.
بهطور جداگانه درباره چندحسابداری: تلمتری رفتاری Turnstile و Precursor به این معنی است که کیفیت شبیهسازی محیط مهمتر از تعداد حسابها است. بیست حساب با توزیع منصفانه بر اساس IP، اثر انگشتها و ریتمهای کاری بهتر از دویست حساب مشابه محافظت میشوند. بهویژه که ML-ضدرباتها مدتهاست که به ارتباط بین نشانهها نگاه میکنند، نه به هر نشانه بهطور جداگانه.
چه چیزی در اعلامیه وجود ندارد
شایسته است که مرزها را نیز بیان کنیم. Cloudflare هیچگونه دقت شناسایی، هیچگونه سهم اشتباهات کاذب و هیچگونه زمان زندگی خاصی برای قوانین منتشر نمیکند — تنها گفته شده است که فواصل تصادفی هستند. همچنین دادهای درباره اینکه Adaptive Intelligence چقدر سریع به تعرفههای پایینتر از Bot Management میرسد، وجود ندارد. بنابراین میتوان تنها بر اساس معیارهای خود در هفتههای آینده تأثیر واقعی را ارزیابی کرد — از گزارشهای دیگران نمیتوان این را فهمید.
یک جنبه دیگر نیز وجود دارد که مدافعان بهطور مایل درباره آن صحبت نمیکنند: مدلی که بهطور مداوم آموزش میبیند و قوانینی که تنها چند دقیقه عمر دارند، سیستمی است که اشتباهات کاذب آن نیز بهطور شناور میشود. ادغامهای قانونی، مرورگرهای نادر و مشتریان خاص ممکن است بهطور دورهای تحت قوانین باریک قرار بگیرند بدون اینکه دلیلی واضح داشته باشند. Cloudflare به این موضوع با آزمایش پسزمینهای شناساییها قبل از انتشار پاسخ میدهد، اما اینکه آیا این در عمل کافی خواهد بود — سوالی باز است.
نتیجهگیری
Adaptive Intelligence ادامه منطقی خطی است که در ژوئیه 2026 با Precursor آغاز شد: حفاظت از بررسی «که هستی» به نظارت دائمی «چگونه رفتار میکنی» منتقل میشود و تصمیمات خود را عمداً ناپایدار میکند. استراتژی «دریافتی پیدا کردم — بهرهبرداری میکنم» جای خود را به استراتژی «سیستمی میسازم که در برابر تغییر قوانین زیر پای من مقاوم باشد» میدهد. برنده کسی نیست که هوشمندترین دور زدن را پیدا کرده، بلکه کسی است که پروفایل شبکهای متنوع، رفتار منصفانه و معیارهایی دارد که زودتر از آنکه به شکست تبدیل شود، نشاندهنده کاهش است.