ਬੋਟ ਪਛਾਣ ਕੀ ਹੈ
ਬੋਟ ਪਛਾਣ ਤਕਨੀਕਾਂ ਦਾ ਉਹ ਸੈੱਟ ਹੈ ਜੋ ਆਟੋਮੇਟਿਡ ਟ੍ਰੈਫਿਕ ਨੂੰ ਮਨੁੱਖੀ ਟ੍ਰੈਫਿਕ ਤੋਂ ਵੱਖ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। web security ਵਿੱਚ ਇਸਦਾ ਲੰਮਾ ਇਤਿਹਾਸ ਹੈ: credential stuffing, scraping, fake signups, inventory hoarding ਅਤੇ spam ਨੂੰ ਰੋਕਣਾ, ਜਿਨ੍ਹਾਂ ਸਭ ਦਾ ਜ਼ਿਕਰ OWASP Automated Threats to Web Applications taxonomy ਵਿੱਚ ਮਿਲਦਾ ਹੈ। ਆਮ inputs ਵਿੱਚ IP reputation, request rates, header ਅਤੇ protocol fingerprints, browser environment checks ਅਤੇ interaction signals ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਆਮ outputs ਇੱਕ score ਜਾਂ verdict ਹੁੰਦੇ ਹਨ, ਜੋ ਅਕਸਰ ਸਿੱਧੇ block, challenge ਜਾਂ allow ਕਰਨ ਲਈ wired ਹੁੰਦੇ ਹਨ।
ਇਹ ਇਸ ਤਰੀਕੇ ਨਾਲ ਕਿਉਂ ਬਣਾਇਆ ਗਿਆ ਸੀ
Classic bot detection ਇੱਕ ਧਾਰਨਾ ਨਾਲ ਵਧਿਆ: ਆਟੋਮੇਟਿਡ ਟ੍ਰੈਫਿਕ ਜ਼ਿਆਦਾਤਰ adversarial ਹੁੰਦਾ ਹੈ, ਅਤੇ ਕੰਮ ਇਸਨੂੰ ਬਾਹਰ ਰੱਖਣਾ ਹੈ। ਇਸ ਧਾਰਨਾ ਨੇ edge 'ਤੇ enforce ਕੀਤਾ ਗਿਆ ਇੱਕ single bot score ਇੱਕ ਵਾਜਬ design ਬਣਾ ਦਿੱਤਾ। ਜੇ ਕੋਈ request automated ਲੱਗਦੀ ਹੈ, ਤਾਂ ਉਸਨੂੰ CAPTCHA ਨਾਲ challenge ਕਰੋ ਜਾਂ block ਕਰੋ।
ਇਹ model ਹੁਣ ਕਿਉਂ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ
Applications ਹੁਣ actors ਦਾ ਕਾਫ਼ੀ ਵੱਡਾ ਮਿਲਾਪ ਪ੍ਰਾਪਤ ਕਰਦੀਆਂ ਹਨ:
- ਆਮ ਤਰੀਕੇ ਨਾਲ browsing ਕਰ ਰਹੇ ਲੋਕ,
- ਉਹ ਲੋਕ ਜੋ AI assistants ਨਾਲ ਕੰਮ ਕਰ ਰਹੇ ਹਨ ਜੋ ਉਨ੍ਹਾਂ ਦੀ ਥਾਂ ਪੜ੍ਹਦੇ, draft ਕਰਦੇ ਜਾਂ ਭਰਦੇ ਹਨ,
- legitimate agents ਅਤੇ crawlers ਜੋ ਆਪਣੀ ਪਛਾਣ ਕਰਦੇ ਹਨ, ਕਈ ਵਾਰ signed requests ਨਾਲ,
- autonomous agents ਜੋ users ਲਈ tasks ਪੂਰੇ ਕਰ ਰਹੇ ਹਨ,
- unknown clients ਜਿਨ੍ਹਾਂ ਦੀ nature ਨੂੰ evidence ਸਥਾਪਿਤ ਨਹੀਂ ਕਰ ਸਕਦੀ।
ਇੱਕ binary bot score ਇਸ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਦਰਸਾਉਂਦਾ। ਸਾਡੀ post Human, AI-assisted or agent: a practical taxonomy for application traffic ਇਸਦਾ ਵਿਕਲਪ ਪੇਸ਼ ਕਰਦੀ ਹੈ। ਹਰ automated request ਨੂੰ block ਕਰਨ ਨਾਲ legitimate participants ਵੀ ਦੂਰ ਹੋ ਜਾਂਦੇ ਹਨ; ਸਭ ਨੂੰ allow ਕਰਨ ਨਾਲ useful control ਖਤਮ ਹੋ ਜਾਂਦੀ ਹੈ। ਅਤੇ ਪਤਲੇ evidence 'ਤੇ ਦਿੱਤਾ ਗਿਆ confident verdict real users ਉੱਤੇ false positives ਪੈਦਾ ਕਰਦਾ ਹੈ।
actor intelligence ਕਿਵੇਂ ਵੱਖਰੀ ਹੈ
Actor intelligence ਇੱਕ ਵੱਡਾ ਸਵਾਲ ਪੁੱਛਦੀ ਹੈ: ਕਿਹੜਾ actor ਮੌਜੂਦ ਹੈ, ਅਤੇ evidence ਅਸਲ ਵਿੱਚ ਕੀ ਦਿਖਾਉਂਦਾ ਹੈ? ਇਹ classic bot detection ਤੋਂ ਤਿੰਨ ਤਰੀਕਿਆਂ ਨਾਲ ਵੱਖਰੀ ਹੈ:
- ਵਧੇਰੇ ਧਨੀ categories. Human, Human + AI, Agent ਅਤੇ Unknown, human versus bot ਦੀ ਥਾਂ।
- ਸਪੱਸ਼ਟ basis. ਹਰ result ਦੱਸਦਾ ਹੈ ਕਿ ਕੀ ਇਹ verified, declared ਜਾਂ inferred evidence 'ਤੇ ਆਧਾਰਿਤ ਹੈ, ਜਾਂ ਕਿਸੇ 'ਤੇ ਨਹੀਂ, ਤਾਂ ਜੋ cryptographic check ਕਦੇ behavioral guess ਨਾਲ ਗਲਤ ਨਾ ਮਿਲੇ।
- ਵੱਖਰੇ decisions. Result ਤੁਹਾਡੀ application ਦੀ policy ਨੂੰ ਜਾਣਕਾਰੀ ਦਿੰਦਾ ਹੈ, default ਤੌਰ 'ਤੇ ਇੱਕ ਹੀ decision enforce ਨਹੀਂ ਕਰਦਾ। Teams ਪਹਿਲਾਂ observe ਕਰਦੀਆਂ ਹਨ, ਫਿਰ route ਅਨੁਸਾਰ decide ਕਰਦੀਆਂ ਹਨ।
ਦੋਵੇਂ approaches ਇਕੱਠੇ ਰਹਿ ਸਕਦੀਆਂ ਹਨ। ਵੱਡੇ crawler operators ਪਹਿਲਾਂ ਹੀ user-agent string ਤੋਂ ਪਰੇ checks ਨੂੰ support ਕਰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ Google's crawler verification by reverse DNS and IP range, ਅਤੇ signed requests ਇਹ ਵਿਚਾਰ ਕਿਸੇ ਵੀ operator ਤੱਕ ਫੈਲਾ ਦਿੰਦੀਆਂ ਹਨ। ਅੱਜ ਵਰਤ ਸਕਣਯੋਗ signals ਲਈ, ਵੇਖੋ how to tell if website traffic comes from AI agents. edge ਉੱਤੇ abuse controls ਅਜੇ ਵੀ ਕੀਮਤੀ ਹਨ; actor intelligence application ਨੂੰ ਖੁਦ ਉਹ context ਦਿੰਦੀ ਹੈ ਜਿਸ ਨਾਲ ਹਰ ਕਿਸਮ ਦੀ interaction ਲਈ ਠੀਕ experience ਬਣਾਈ ਜਾ ਸਕੇ।
ਆਮ ਗਲਤ ਧਾਰਣਾਵਾਂ
- "Agents ਸਿਰਫ਼ bots ਹਨ।" ਕੁਝ abusive ਹੁੰਦੇ ਹਨ; ਕਈ ਤੁਹਾਡੇ product ਦੇ legitimate users ਹੁੰਦੇ ਹਨ ਜੋ ਕਿਸੇ ਦੀ ਥਾਂ ਕੰਮ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹਨ।
- "ਇੱਕ bot score ਇੱਕ ਤੱਥ ਹੈ।" ਇਹ error rates ਵਾਲੀ ਇੱਕ inference ਹੈ। ਇਸਨੂੰ confidence level ਵਾਲੇ evidence ਵਜੋਂ ਵਰਤੋ, verdict ਵਜੋਂ ਨਹੀਂ।
- "Unknown ਦਾ ਮਤਲਬ block ਹੈ।" Unknown ਦਾ ਮਤਲਬ ਹੈ ਕਿ evidence ਅਪਰਾਫ਼ਤ ਹੈ। ਅਗਲਾ ਕੀ ਹੁੰਦਾ ਹੈ, ਇਹ ਇੱਕ ਸਪੱਸ਼ਟ, per-route ਚੋਣ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ (ਵੇਖੋ fail open vs fail closed).
Proof of Actor ਇਸ ਵਿੱਚ ਕਿਵੇਂ ਫਿੱਟ ਹੁੰਦਾ ਹੈ
Proof of Actor apps, websites, APIs ਅਤੇ MCP servers ਲਈ actor intelligence ਹੈ। Detect signals ਇਕੱਠੇ ਕਰਦਾ ਹੈ ਅਤੇ verified assertions ਨੂੰ inferences ਤੋਂ ਵੱਖ ਕਰਦਾ ਹੈ; Understand interaction types, trends ਅਤੇ evidence ਦਿਖਾਉਂਦਾ ਹੈ; Route ਤੁਹਾਡੀਆਂ ਆਪਣੀਆਂ policies ਨੂੰ ਖਾਸ interactions ਨੂੰ allow, adapt, challenge, review ਜਾਂ limit ਕਰਨ ਦਿੰਦਾ ਹੈ। ਮੂਲ ਤੌਰ 'ਤੇ ਕੁਝ ਵੀ block ਨਹੀਂ ਹੁੰਦਾ।
the product ਦੇਖੋ ਜਾਂ apply for early access.
Sources
- OWASP Automated Threats to Web Applications: credential stuffing, scraping ਅਤੇ account creation ਵਰਗੇ automated threats ਦੀ taxonomy
- Google: Verifying Google's crawlers and fetchers: operator-published crawler verification