Was Bot-Erkennung ist
Bot-Erkennung ist die Menge an Techniken, mit denen sich automatisierter Traffic von menschlichem Traffic unterscheiden lässt. Sie hat eine lange Geschichte in der Web-Sicherheit: das Stoppen von Credential Stuffing, Scraping, gefälschten Anmeldungen, Horten von Beständen und Spam, die alle in der Taxonomie OWASP Automated Threats to Web Applications auftauchen. Typische Eingaben sind IP-Reputation, Anfragefrequenzen, Header- und Protokoll-Fingerprints, Prüfungen der Browser-Umgebung und Interaktionssignale. Typische Ausgaben sind ein Score oder ein Befund, der oft direkt mit blockieren, herausfordern oder erlauben verknüpft wird.
Warum es so gebaut wurde
Klassische Bot-Erkennung entstand aus einer Annahme heraus: Automatisierter Traffic ist überwiegend gegnerisch, und die Aufgabe ist, ihn draußen zu halten. Diese Annahme machte einen einzelnen Bot-Score, am Rand durchgesetzt, zu einem vernünftigen Design. Wenn eine Anfrage automatisiert aussieht, fordert man sie mit CAPTCHA heraus oder blockiert sie.
Warum dieses Modell nicht mehr ausreicht
Anwendungen erhalten heute eine deutlich breitere Mischung von Akteuren:
- Personen, die normal browsen,
- Personen, die mit KI-Assistenten arbeiten, die in ihrem Auftrag lesen, Entwürfe erstellen oder Eingaben ausfüllen,
- legitime Agenten und Crawler, die sich selbst identifizieren, manchmal mit signierten Anfragen,
- autonome Agenten, die Aufgaben für Nutzer ausführen,
- unbekannte Clients, deren Art sich aus den Evidenzen nicht feststellen lässt.
Ein binärer Bot-Score beschreibt das nicht gut. Unser Beitrag Human, AI-assisted or agent: a practical taxonomy for application traffic legt die Alternative dar. Jede automatisierte Anfrage zu blockieren weist legitime Teilnehmer ab; sie alle zuzulassen nimmt nützliche Kontrolle weg. Und ein sicheres Urteil auf dünner Evidenz erzeugt Fehlalarme, die echte Nutzer treffen.
Wie sich Actor Intelligence unterscheidet
Actor Intelligence stellt eine breitere Frage: Welche Art von Actor ist vorhanden, und was zeigt die Evidenz tatsächlich? Sie unterscheidet sich von klassischer Bot-Erkennung in drei Punkten:
- Reichere Kategorien. Human, Human + AI, Agent und Unknown, statt Mensch versus Bot.
- Explizite Grundlage. Jedes Ergebnis sagt, ob es auf Verified, Declared oder Inferred Evidence beruht, oder auf keiner, damit eine kryptografische Prüfung nie mit einer Verhaltensvermutung verwechselt wird.
- Getrennte Entscheidungen. Das Ergebnis informiert die Richtlinie Ihrer Anwendung, statt standardmäßig selbst durchzusetzen. Teams beobachten zuerst und entscheiden dann pro Route.
Die beiden Ansätze können nebeneinander bestehen. Große Crawler-Betreiber unterstützen bereits Prüfungen über den User-Agent-String hinaus, etwa Googles Crawler-Verifikation per Reverse DNS und IP-Range, und signierte Anfragen übertragen diese Idee auf jeden Betreiber. Für Signale, die Sie heute nutzen können, siehe woran Sie erkennen, ob Website-Traffic von AI-Agenten stammt. Missbrauchskontrollen am Rand bleiben wertvoll; Actor Intelligence gibt der Anwendung selbst den Kontext, um für jede Art von Interaktion die passende Erfahrung zu gestalten.
Häufige Missverständnisse
- "Agenten sind nur Bots." Einige sind missbräuchlich; viele sind legitime Nutzer Ihres Produkts, die in jemandes Auftrag handeln.
- "Ein Bot-Score ist eine Tatsache." Er ist eine Inferenz mit Fehlerraten. Behandeln Sie ihn als Evidenz mit einem Vertrauensniveau, nicht als Befund.
- "Unknown bedeutet blockieren." Unknown bedeutet, dass die Evidenz unzureichend ist. Was als Nächstes passiert, sollte eine explizite Entscheidung pro Route sein (siehe fail open vs fail closed).
Wie Proof of Actor dazu passt
Proof of Actor ist Actor Intelligence für Apps, Websites, APIs und MCP servers. Detect sammelt Signale und trennt Verified Assertions von Inferences; Understand zeigt Interaktionstypen, Trends und Evidenz; Route lässt Ihre eigenen Richtlinien bestimmte Interaktionen erlauben, anpassen, herausfordern, prüfen oder begrenzen. Standardmäßig wird nichts blockiert.
Entdecken Sie das Produkt oder bewerben Sie sich für frühen Zugang.
Quellen
- OWASP Automated Threats to Web Applications: Taxonomie automatisierter Bedrohungen wie Credential Stuffing, Scraping und Kontoerstellung
- Google: Verifying Google's crawlers and fetchers: vom Betreiber veröffentlichte Crawler-Verifikation