어젠틱 인터넷의 좋은 행동과 나쁜 행동

Cloudflare의 Web Integrity & Trust 팀이 어젠틱 인터넷에서 봇 행동을 분석하는 신규 전략과 탐지 시스템들을 공개했다. 단순한 봇/인간 이분법에서 벗어나 세션 전반에 걸친 "신뢰(Trust)" 평가를 핵심으로 삼고, 행동 기반 탐지 엔진 Precursor와 자가 적응형 ML 엔진 Adaptive Intelligence를 통해 계속 진화하는 봇을 방어하는 체계를 설명한다.

핵심 포인트

신뢰(Trust)와 위험(Risk)을 독립적으로 평가한다. Risk는 요청 단위의 순간 판단, Trust는 세션·이력 기반 평판 축적이다.
Precursor는 CDN에 JS를 자동 주입해 세션 전체의 커서 움직임·클릭 리듬 등 행동 신호를 연속 평가한다. 24시간 동안 73,438개 존에서 2억 6백만 건의 이벤트를 처리했다.
Adaptive Intelligence는 버전 업그레이드 없이 실시간 트래픽 패턴에 따라 자체 학습·업데이트되는 ML 봇 탐지 엔진이다.
AI Labyrinth는 악성 봇을 AI 생성 가짜 페이지 미로에 가두어 연산·크롤 예산을 소모시키는 방어 전략이다.
Bot Antibiotic Problem: 확정적 403 응답은 역공학을 허용하므로 무작위성·미로·큐잉의 세 가지 고급 완화 전략을 연말 출시한다.

상세 정리

배경: 사용자가 쇼핑하다 결제를 에이전트에 위임하는 hybrid 세션처럼 단일 세션 내 human-to-agentic 전환이 늘어 기존 정적 체크로는 분류 불가한 상황이 많아졌다.
BotBase 전환: 기존 좋은 봇 디렉토리에서 전체 봇 디렉토리로 확장. 신뢰를 남용한 봇은 unverified 처리해 Cloudflare 네트워크에서 차단된다.
Precursor 검증 데이터: 세션 중간에 의심 행동이 발생하는 패턴을 실 데이터로 확인. CAPTCHA처럼 최초 1회만 통과하면 되는 위험 기반 탐지의 한계를 보완한다.
경제적 방어 설계: Precursor가 다페이지 타임라인에 걸친 인간 행동 재현을 요구해 봇 개발자의 비용을 높이고 공격을 경제적으로 불리하게 만든다.
Adaptive Intelligence: 과거 데이터와 실시간 트래픽 패턴 양쪽에서 자가학습. Bot Management 고객 전체에 곧 출시 예정이며 formal 버전 업그레이드 없이 자동 적용된다.
AI Labyrinth 세 옵션: Maze(AI 생성 무한 링크), Summary(AI 학습에 쓸모없는 LLM 요약), Poison(가짜 가격·재고로 봇의 수집 데이터 오염). 연말 출시.
Unpredictability: 의심 자동화 트래픽에 block·challenge·allow를 무작위로 섞어 봇의 재시도 로직과 핑거프린팅을 깨뜨린다.
Good Bot Queuing: 사용자가 위임한 쇼핑 에이전트처럼 합법적인 자동화 트래픽은 차단 대신 처리량 제한으로 서비스를 유지한다.
향후 방향: 동적 방어 규칙셋(disposable rules)으로 공격 진화에 맞춰 방어 체계도 자동 갱신하는 것을 목표로 한다.

왜 읽나웹 보안·봇 관리 시스템을 설계하는 엔지니어에게 행동 기반 신뢰 모델의 실제 운용 지표와 AI 기반 방어 전략 로드맵을 담은 레퍼런스.

Cloudflare Blog 블로그

원문은 여기서 이어서 읽을 수 있어요

원문 읽기

읽음 (0)

·takedown 요청

어젠틱 인터넷의 좋은 행동과 나쁜 행동

이 글과 비슷한

에이전트 액세스 모델 (AAM): AI 에이전트를 위한 제로 트러스트 보안 설계

AI Gateway의 신원 인식 분석으로 이상 AI 행동 감지하기

WriteGuard: MCP 서버 쓰기 동작을 제어하는 세밀한 권한 레이어