摘要
- 公布出来的表里,四条带数字的行把 1 到 99 严丝合缝地铺满:1 个值算「自动化」、28 个值算「可能自动化」、70 个值算「可能人类」,1 + 28 + 70 = 99。一个整数之差,就是「定论」和「怀疑」的分界。
- 同一页先说模型更新不会改动你的规则,紧接着又说分数会随模型学习而漂移、需要定期复查规则——没有周期、没有责任人、没有记录、没有通知。阈值不动,量尺在动,维护责任落在客户身上。
- 有两样东西不在我读到的材料里,因此全文不做任何断言:防火墙字段的字面名称,以及「已验证爬虫」的认定标准。
Cloudflare 关于 bot 评分的那一页只有几屏,却比同类产品文档坦诚得多。它给了定义、给了分类表、给了模型类型、给了输出变量、给了输入特征的大类、给了写日志的办法,还给了一句维护要求。所以这不是一个黑箱:这是一个把说明书公开出来的量具。真正的问题不是 Cloudflare 藏了什么,而是这一页白纸黑字写了什么。
第一处,量程:「A bot score is a score from 1 to 99 that indicates how likely that request came from a bot.」分数自称要衡量的是「这个请求来自机器人的可能性」,取值范围 1 到 99。不是 0 到 100,也不是 0 到 1。
第二处,分类表。原文照抄:
Not computed — Bot scores of 0. Automated — Bot scores of 1. Likely automated — Bot scores of 2 through 29. Likely human — Bot scores of 30 through 99. Verified bot — Non-malicious automated traffic (used to power search engines and other applications).
从这张表可以推出三条结论,而这三条是我自己算的,因为这一页并没有替读者算。
其一,四条带数字的行把声明的量程铺满,既不重叠也不留空:1 个值算「自动化」(1),28 个值算「可能自动化」(2 到 29),70 个值算「可能人类」(30 到 99)。1 + 28 + 70 = 99。这是我在公布表上做的算术,不是文档印出来的数字。
其二,被称作「自动化」的判定只有一个值——1——而「可能自动化」这一档从 2 起算。两者之间只隔一个整数,一个评分点。客户如果写「小于等于 1」,只拦住一个值;如果写「小于 30」,就把另外 28 个值连同 1 一起拦下。
其三,「可能人类」的下限是 30。在一个中点为 50 的 1 到 99 刻度上,这条线比中点低 20 点;而「可能人类」这一档覆盖 99 个可能值中的 70 个,约占整个刻度的 70.7%。仍然是我的算术,不是文档的句子。
零值得单独说一段,因为它待的位置很怪。定义说分数是 1 到 99,表里却给 0 分配了一个类别。这个 0 不是「机器人」,它叫「Not computed」——未计算。也就是说,它是「没有判定」,却被印在刻度的最底端;而一条普通的数值比较(比如「分数 < 30」)会把它读成最大嫌疑,紧挨着那个明确标为「自动化」的 1,却和它同侧。规则怎么写决定了结果:一个 Cloudflare 根本没评估过的请求,可能和一个被判为自动化的请求落在同一侧。这一页没说任何具体规则面对 0 会怎样,比较语法不在我读到的材料里;它只说了这个 0 在哪里。
接下来是数字的指向,这是整套装置里最反直觉的一处。文档这样描述模型:「The engine uses supervised machine learning to determine the final bot score (1–99): Input variables (X): Request features, including headers, session characteristics, and browser signals, collected from traffic across the Cloudflare network. Output variable (Y): The predicted probability that a client is human, mapped to the final 1–99 bot score.」
模型的输出变量是「客户端为人类」的预测概率,而字段名叫「bot 分数」。两者方向相反:数字越高,请求越可能是人。这不构成内部矛盾——它是把一个反向定义的量装进了一个习惯叫法——但这恰恰是匆忙写下的规则最容易弄反符号的地方。
然后是让这份文档成为一篇文章而非一份参数表的那句话:「Model updates do not change your WAF rules, challenge flows, or Bot Management configuration. However, bot scores can shift as the model learns, so periodically review rules that use bot score to confirm they still work as intended.」
请读两遍。前半句是安慰:模型更新不会动你的规则。后半句是告知:随着模型学习,分数本身可能移动。两句话同时为真,问题就长在这里。规则是一件静止的东西,分数是一个移动的测量,而两者之间的位移在界面上看不出来。文档没有给任何周期——没有「每季度」,没有「每次更新后」,也没有三十天窗口;没有责任人,没有记录,没有通知。它写了一个「periodically」,然后就停笔了。
这在实践中意味着什么:一个在二月按当时流量校准过阈值的客户,到八月可能在配置里一个字都没改的情况下,拦住或放行了一批不同的请求。变化不是他造成的,没有被标注日期,也不作为任何事件出现在系统里。这是一种无声的漂移,而文档给出的唯一防线是人工复查,却没规定节奏和责任人。
输入特征也值得停一下。文档称其为「request features, including headers, session characteristics, and browser signals, collected from traffic across the Cloudflare network」——三大类(请求头、会话特征、浏览器信号),加一个来源:Cloudflare 网络上观察到的流量,而不只是写下这条规则的网站的流量。于是一个具体访客的分数,取决于一份属于第三方的历史,覆盖着他从未在我们面前访问过的站点。
这是一个完全站得住的架构选择——正是它让检测变得有用——但它把「举证」这个问题挪走了。一个想质疑某个分数的客户手上没有卷宗:产生这个数字的聚合信号,他看不到。
这里必须把「公布了什么」和「没公布什么」说准,因为这条界线跟直觉不一样。
它公布了模型类别(监督学习)、输入特征的大类、输出变量、量程、五档分类、维护要求,以及输入特征可以在自己的日志里分析这件事:「You can analyze the request features this model uses in your own logs, through Logpull or Logpush.」
它没有公布任何系数、任何单特征贡献、任何训练窗口、任何准确率指标。它也没有说自己拒绝公布——这个区别我要守住:「Cloudflare 不公布权重」是对我读到内容的观察;「Cloudflare 拒绝公布权重」则是一项意图主张,我在文档里找不到这样的句子。公布的是盒子,没公布的是调校,而这不是同一个断言。
那访客呢?他收到一个 HTTP 状态码、一个需要完成的挑战,或者什么都没有。他不会收到自己的分数、档位和理由。这一页是写给站点运营者的,不是写给那个被分类的人。门口排着队,站在外面的看不见表盘。
我读了什么,没读什么。全文只用到一页:Cloudflare 开发者文档的「Bot score」页,2026 年 11 月 17 日读取(Cloudflare 文档)。原本打算引用的两样东西不在这里,因此全文没有一行据此立论。第一个缺口:防火墙规则里使用的字段字面名称。自定义规则字段参考页没有返回——那次读取拿回的是自定义规则总览页,它只把 bot 分数作为一个导航链接提到,没有字段行。本文不引用任何字段名。第二个缺口:已验证爬虫的认定标准。对应的参考页以索引形式返回,指向「Web Bot Auth」和「IP validation」,但页面上没有写标准。本文不描述运营方如何取得这一身份,也不说是否存在针对被评分一方的复核或申诉渠道。这条路径属于未核实,而不是不存在。
最后一句很短。Cloudflare 公布了量具;卷宗里缺的,是让阈值可被复核的东西。从客户写下「小于 30」那一刻,到模型发生变化那一刻,中间没有事件、没有通知、没有留在配置里的痕迹。一个会动的数字压在一条不动的规则上,就是一笔维护欠账,账单开给客户。对在 BTW 名录里跟踪 Cloudflare 的读者来说,有用的问题不是「分数是多少」,而是「多久复一次、谁负责、凭什么留痕」。
会员简报
阅读完整趋势简报
会员可阅读完整简报,以及每项发现背后的来源注释。
战略圈层
每天用你选择的语言,送上一份基于我们已核实变化的简报。
以 USD 20/月加入可随时取消。
会员还能使用完整的研究文库、关于所关注网络的每日简报,以及私密论坛。






