परिभाषा
एक्टर इंटेलिजेंस वह evidence है जो यह बताता है कि किसी application के साथ interaction को कौन या क्या drive कर रहा है, और उस पर action लेने के लिए आवश्यक context के साथ मिलकर। "actor" वह चीज़ है जो उस moment में interaction को control कर रही होती है: एक person, एक AI assistant के साथ काम कर रहा person, एक autonomous agent, या कुछ ऐसा जिसे उपलब्ध evidence तय नहीं कर सकता।
एक्टर इंटेलिजेंस identity से अलग है। Identity का जवाब होता है "यह कौन सा account है?" एक्टर इंटेलिजेंस का जवाब होता है "यह account, या यह request, अभी किस प्रकार का participant चला रहा है, और हमें यह कैसे पता?"
यह category क्यों मौजूद है
web के इतिहास के अधिकांश हिस्से में, applications एक authenticated session को एक person मान सकती थीं। Automated traffic ऐसी चीज़ थी जिसे detect करके आमतौर पर रोक दिया जाता था। यह model तब टूट जाता है जब legitimate software agents लोगों और कंपनियों की ओर से, जो उन्हें चलाते हैं, browse करना, APIs को call करना और tools invoke करना शुरू कर देते हैं। अब एक application को इनमें फर्क करना पड़ता है:
- वे लोग जिन्हें सामान्य experience मिलना चाहिए।
- वे लोग जो AI assistance का उपयोग कर रहे हैं, जो workflow के आधार पर welcome, restricted या simply disclosed हो सकता है।
- वे agents जिन्हें structured access मिलना चाहिए, जैसे API या machine-readable response।
- वे interactions जिनके बारे में कहने के लिए evidence बहुत कम है।
हमारा post मानव, AI-assisted या agent: application traffic के लिए एक practical taxonomy इन चार समूहों को विस्तार से समझाता है।
इस distinction के बिना, teams blunt tools पर लौट आती हैं: जो भी automated दिखे उसे block करना, या जो भी authenticate हो उसे allow करना। दोनों समस्याएँ पैदा करते हैं। पहला legitimate integrations को तोड़ देता है। दूसरा high-impact actions को उस context के बिना चलने देता है जिसकी किसी ने भी योजना नहीं बनाई थी।
एक्टर इंटेलिजेंस के घटक
Signals
कच्चे inputs: request signatures, protocol details, clients से declarations, और browser sessions से interaction signals। कौन से signals मौजूद हैं, यह इस पर निर्भर करता है कि integration कहाँ चलता है।
Basis के साथ classification
Agent या Human जैसा निष्कर्ष तभी उपयोगी है जब वह बताए कि वह किस पर आधारित है। अच्छी एक्टर इंटेलिजेंस हमेशा evidence basis रिपोर्ट करती है: Verified, Declared, Inferred या Unknown।
Analytics
समय के साथ और route के अनुसार patterns: application के कौन से हिस्से agent traffic देखते हैं, कितना Unknown है, और release के बाद वे numbers कैसे बदलते हैं।
Decisions
हर route और risk level के लिए application की अपनी policy। एक्टर इंटेलिजेंस इन decisions को inform करती है; यह उन्हें अपने आप नहीं बनाती।
यह bot detection से कैसे संबंधित है
Bot detection मुख्य रूप से adversarial है: इसका उद्देश्य abusive automation को ढूँढना और रोकना है। एक्टर इंटेलिजेंस अधिक व्यापक है। यह automation को एक सामान्य participant मानती है जो legitimate हो सकता है, और AI-assisted humans को अपनी अलग category मानती है। यह Unknown को भी first-class स्थान देती है, बजाय इसके कि हर interaction को "bot" या "not bot" में जबरन डाला जाए।
आम गलतफहमियाँ
अधिक signals हमेशा अधिक certainty देते हैं। अलग-अलग strength वाले signals को एक score में औसत नहीं करना चाहिए। एक verified signature और एक inferred behavior pattern evidence के अलग-अलग प्रकार हैं।
एक्टर इंटेलिजेंस को अपने आप निर्णय लेना चाहिए। इसका मूल्य application owner को भरोसेमंद context देने में है। enforcement owner तय करता है।
Proof of Actor में एक्टर इंटेलिजेंस
Proof of Actor एक्टर इंटेलिजेंस को तीन capabilities के रूप में पैक करता है: Detect, Understand और Route। परिणाम हमेशा चार classes में से एक होते हैं, एक स्पष्ट basis के साथ, teams observation mode में शुरू करती हैं, और policies application के अपने code में चलती हैं। product page पर और जानें या early access के लिए apply करें.