Cloudflare bot savunmasını canlı eğitiyor; dönen kurallar henüz hazır değil

Cloudflare, 31 Ağustos 2026’da Adaptive Intelligence adlı bot algılama motorunun ilk bileşenini kullanıma sundu. Cloudflare’ın teknik duyurusu, Enterprise Bot Management içindeki makine öğrenimi modelinin artık canlı trafikle sürekli yeniden eğitildiğini; kısa ömürlü kurallar ile müşteri düzeltmelerinden öğrenmenin ise daha sonra geleceğini belirtiyor.

Adaptive Intelligence, 31 Ağustos itibarıyla ayrı bir puanlama ürünü değil, mevcut Bot Score’un arkasındaki modeli yeni saldırı davranışlarına göre güncelleyen bir sistem. Aday model sürümleri ana savunmaya geçmeden önce gölge modunda canlı istekleri puanlıyor; ancak Cloudflare’ın savunmayı sürekli değişen bir hedefe dönüştürme planının bütün parçaları henüz üretimde değil.

İlk yayımlanan bileşen sürekli yeniden eğitim

Cloudflare Bot Score zaten makine öğrenimi, davranış doğrulama, JavaScript parmak izi, sezgisel kurallar ve doğrulanmış bot kontrolleri gibi birden fazla yöntemi bir araya getiriyor. Adaptive Intelligence bu puanı değiştirmek yerine arkasındaki makine öğrenimi modelinin sabit sürümler arasında beklemeden yenilenmesini sağlıyor.

Sistem, canlı trafikte görülen yeni aşma araçlarını ve bot çerçevelerini eğitim verisine katıyor. Yeni model ağırlıkları Cloudflare ağına otomatik olarak dağıtılıyor; müşterinin bir sürüm seçmesi veya elle yükseltme planlaması gerekmiyor. Mevcut Bot Score politikaları da aynı puanı kullanmayı sürdürüyor.

“Sürekli” ifadesi, her yeni tekniğin görüldüğü anda engellendiği anlamına gelmiyor. Cloudflare model mimarisini, eğitim kümesinin büyüklüğünü veya yeni ağırlıkların üretime dakika, saat ya da gün ölçeğinde ne sıklıkla ulaştığını açıklamadı. Doğrulanabilen değişiklik, planlı ve sabit model yayınlarının yerini otomatik bir eğitim, dağıtım ve kontrol döngüsünün alması.

Canlı trafik modelden önce davranış örüntüsüne dönüşüyor

Adaptive Intelligence gözlemleme, eğitme, dağıtma ve doğrulama adımlarından oluşan bir döngü kullanıyor. Gözlem katmanı JA4 TLS parmak izleri, istek yapıları, doğrulama sonuçları, oturum davranışları, ağ itibarı ve üst düzey ilişkisel sinyalleri; Turnstile ve Precursor’dan gelebilen istemci tarafı telemetrisiyle birlikte değerlendiriyor.

Bu yaklaşım tek bir isteğin görünümünden çok, istekler arasındaki ilişkiye bakıyor. Kısa zaman aralıkları ani trafik sıçramalarını gösterebilirken daha uzun aralıklar farklı adreslere, istemcilere ve oturumlara dağıtılmış tekrarları ortaya çıkarabiliyor. Böylece adres başına düşük hacimde kalan kimlik bilgisi doldurma veya dağıtılmış veri toplama faaliyetleri ortak davranışları üzerinden ilişkilendirilebiliyor.

Gözlenen yeni örüntüler eğitim verisine girdikten sonra ortaya çıkan aday sürüm doğrudan ana savunmanın yerini almıyor. Önce etkin modelle paralel çalışarak aynı canlı istekleri puanlıyor; bu aşamadaki sonuçlar ziyaretçiye uygulanacak kararı değiştirmiyor.

Bugünkü kapsam ile gelecek planı üçe ayrılıyor

TechTimes’ın lansman haberi, hemen kullanılabilen parçanın sürekli yeniden eğitim olduğunu; kısa ömürlü kural üretimi ile müşteri geri bildirimi katmanı için belirli bir çıkış tarihi verilmediğini doğruluyor.

• Kullanımda: Canlı trafik üzerinden sürekli yeniden eğitim, yeni model ağırlıklarının otomatik dağıtımı ve aday sürümün ana savunmaya geçmeden önce doğrulanması.
• Erişim koşulu: Enterprise Bot Management müşterisinin Bot Management panelindeki “Auto Update Machine Learning” ayarını etkinleştirmesi gerekiyor.
• Henüz kullanımda değil: Belirli bir saldırıya yönelik oluşturulup değişken aralıklarla devreden çıkarılacak kısa ömürlü kurallar.
• Daha sonra gelecek: Müşterilerin yanlış sınıflandırma düzeltmelerini ve Cloudflare’ın saptadığı kaçırılmış örnekleri eğitim sinyaline dönüştürecek katman.

Planlanan kısa ömürlü kurallar, bir saldırganın aynı savunmayı tekrar tekrar sınayarak sabit karar sınırlarını öğrenmesini zorlaştırmayı amaçlıyor. Tasarıma göre dar kapsamlı bir kural belirli saldırı için üretilecek, sınırlı süre kullanılacak ve ardından değiştirilecek. Bu bileşen yayımlanmadığı için saldırgan maliyetini artırdığı veya tespit başarısını yükselttiği henüz gösterilmiş bir ürün sonucu değil.

Gölge doğrulama yanlış pozitiflere karşı kapı görevi görüyor

Sürekli model değişimi, gerçek ziyaretçilerin yanlışlıkla bot olarak puanlanması riskini beraberinde getiriyor. Cloudflare bu riski sınırlamak için aday model sürümünü mevcut sürümün yanında gölge modunda çalıştırıyor. İki sürüm aynı canlı trafiği değerlendiriyor, ancak adayın puanı bu aşamada ziyaretçiyi engellemiyor veya doğrulamaya yönlendirmiyor.

Karşılaştırmada doğrulama çözüm oranları gibi sinyaller izleniyor. Aday sürüm gerçek kişileri daha kötü puanlayacak görünüyorsa ana savunmaya alınmıyor. Yeni tespit adayları da yakın dönem gerçek trafiğine karşı sınanıyor; bilinen otomasyonu yakalama oranı ile gerçek ziyaretçiyi yanlış işaretleme olasılığı değerlendiriliyor ve dağıtım gerektiğinde durdurulabiliyor veya geri alınabiliyor.

Bu süreç bir güvenlik kapısı sağlıyor, fakat bağımsız olarak ölçülmüş bir başarı oranı sunmuyor. Cloudflare lansmanda eski ve yeni model arasındaki yanlış pozitif, yakalama oranı veya doğrulama yükü farklarını gösteren sayısal bir karşılaştırma yayımlamadı.

Performans verisi, fiyat ve iki çıkış tarihi bilinmiyor

RuntimeWire’ın kapsam incelemesi, fiyatlandırma ve sözleşme koşullarının, üretimdeki model yenileme sıklığının ve planlanan iki bileşenin çıkış tarihlerinin açıklanmadığını kaydediyor. Tespit oranı, yanlış pozitif oranı, doğrulama oranı veya saldırgan maliyetindeki değişimi gösteren karşılaştırmalı veriler de yayımlanmış değil.

Bu nedenle 31 Ağustos lansmanının doğrulanabilen kapsamı, Enterprise Bot Management içindeki sürekli yeniden eğitim ve kontrollü model dağıtımıyla sınırlı. Adaptive Intelligence’ın “hareketli hedef” yaklaşımını tamamlayacak kısa ömürlü kurallar ile müşteri düzeltmelerinden öğrenme katmanının ne zaman açılacağı bilinmiyor; ürünün daha geniş iddiası ancak bu bileşenler yayımlandığında ve ölçülebilir sonuçlar açıklandığında değerlendirilebilecek.

Ayrıca okuyun:

• Hugging Face yalnızca model deposu değil: Hub, Spaces ve Transformers farkı
• Roman Teleskobu fırlatmaya hazır: Hubble’dan 100 kat geniş görecek
• Uzaktan çalışmaya hazır şirketler yapay zekâyı da daha hızlı benimsiyor