许多代表真实用户进行购物、预订和登录操作的静默智能体，在访问时并不会主动声明身份。一律封禁，会让您痛失潜在客户；全盘放行，又会带来巨大的安全与业务风险。本文将为您介绍第三种策略：差异化处置。
对智能体究竟该放行还是拦截？企业在应对 AI 智能体流量时之所以倍感棘手，根源往往在于试图用这种“非黑即白”的单选答案去套用旗下的全部数字资产。但事实上，几乎没有任何企业应该在全站范围内采取如此“一刀切”的做法。
相比于全盘封禁或全盘放行，“差异化处置”显然是更优解。借助差异化处置，您可以：
盘点目前已访问您站点的各类智能体
依据自身定义的合理使用规范来设置管控策略
将验证作为放行的前提条件
在身份验证标准尚未完全成熟前，仍对常规浏览行为保持开放
静默智能体是指借助普通浏览器或常规用户会话运行，但未提供可验证身份标识的自动化程序。它的属性往往高度复杂：既可能是代表真实客户执行操作的合规 AI 助手，也可能是超出授权范围擅自行动的违规智能体，甚至可能是伪装成正常智能体特征的恶意自动化工具。
当人工操作与自动化行为交织在同一个已认证会话中时，甄别二者的难度将成倍增加。在缺乏明确身份标识的情况下，企业只能依赖行为与技术层面的特征信号——但这些信号往往并不足以还原事实全貌，使安全团队陷入典型的治理两难：若放宽检测策略以包容合规的智能体，可能会将业务直接暴露在恶意自动化的侵袭之下；若收紧检测策略以追求安全，又极易误拦截经客户正当授权的业务操作。
目前，Meta 的 Muse 以及 Instinct 等静默智能体正是以这种机制运行的。而 OpenAI 推出的 Dots 则让情况变得更加复杂：它在云端运行时会附带数字签名，但一旦降级回退至用户本地设备时，就变成了完全未表明身份的“静默”状态。OpenAI 甚至提示其用户：“如果目标网站拦截了云端浏览器，可以让您的 Dot 尝试通过已连接的本地电脑进行访问。”这也正是防护的症结所在：一旦智能体不对其发送的请求进行数字签名，那么一个正在为真实用户代购球鞋的合规购物智能体，与一个模仿人类行为的“黄牛抢购爬虫程序”，在流量与行为特征上几乎毫无二致。
智能体生态正在迅猛演进，各大企业也迅速拉响了警报。在 Meta 拒绝将亚马逊从该智能体的支持名单中移除后，亚马逊于 9 月 20 日直接切断了 Muse 对其商城的访问权限。亚马逊表示，Muse 不仅未主动声明身份，还疑似擅自留存了客户的登录凭据。10 月 13 日，摩根大通全面禁止外部智能体访问其客户账户；随后在同一周内，花旗银行、嘉信理财以及美国银行也相继采取了同样的封禁举措。
Axios 报道称，多家银行发现有第三方智能体潜伏在客户的账户内活动，且其中部分智能体甚至存在越权行为，操作范围超出了客户的原始诉求。而零售电商面临的则是另一重困境：不少消费者抱怨自己的 AI 助手无法完成结账下单——这通常是因为反爬虫程序防护系统将其风险评分判定为“自动化行为”并进行了误伤拦截，而非平台有意针对该特定智能体施加封禁。
截至目前，业内的应对举措大多可以归结为以下两类消极应对：
在登录及资金划转等关键节点予以彻底封禁
仅开放“只读”权限，即允许智能体查看账户信息，但不允许其执行任何实质性操作
这两种做法作为防守性的权宜之计固然合情合理，但都称不上真正的长远战略。因为它们本质上仍在试图用非黑即白的“二选一”来应付了事，而企业真正需要解答的核心命题是：我们究竟应当允许智能体执行哪些具体的业务操作？
我们的核心立场是：对自动化流量的治理，应当取决于其实际的访问意图以及站点对其身份的验证程度，而非纠结于它是否被贴上了“智能体”这一标签。要实现这一目标，需要循序渐进地构建以下三项核心能力：
全局监测：按业务意图细分并监测各类智能体流量，而非将其混为一谈
深度洞察：准确甄别哪些智能体主动声明了身份，哪些是通过行为特征推断识别的
差异化处置：允许智能体正常浏览商品目录，但对每一次结账下单的尝试，仍严格进行自动化风险评分与拦截研判
基于上述逻辑，企业必须遵循四大行动准则（本文文末将对此进行详细拆解）：全面盘点当前已访问站点的各类智能体；基于具体端点而非全站一刀切地制定管控策略；将验证作为放行的前提条件；在全行业形成成熟的智能体身份认证标准之前，仍对常规信息浏览保持开放。
在爬虫程序管理的发展历程中，凡是受到站点欢迎的良性自动化程序，都会主动亮明身份。以搜索内容爬取程序为例，它们会公开专属的 User-Agent 标识以及官方公布的 IP 地址段。网站管理员借此可以轻松反查并核验 Googlebot 等爬虫程序的真实性，从而将其与那些来历不明的匿名数据爬取工具区别对待。这种防护机制之所以长期行之有效，根本原因在于当时的爬虫程序运营方本身就有着强烈的“被站点识别”的诉求。
然而，面向大众的消费级智能体却在无意间打破了这种长久以来的默契。它们的研发初衷正是为了像真人一样使用互联网：操控浏览器、逐页点击、自动填表，并绕过真人日常也会设法避开的各种网页交互阻碍。
Muse 运行于 Meta 云端的虚拟机中，内置了专用浏览器。
Instinct 依托于一个云端常驻桌面，直接调用用户预存的邮箱、支付方式等敏感凭据进行代操作。
Dots 则是直接以 OpenAI 云端智能体的形态运行。
从站点服务器的视角来看，它们无一例外都表现为一个普通的浏览器会话：其 User-Agent 标头坚称自己是合规浏览器，但底层的行为特征却处处暴露出机器自动化操控的痕迹。
这一问题的严重性，关键在于该会话背后所关联的资产价值与操作权限。如果一个智能体仅仅是在浏览公开的商品目录，这充其量只是数据爬取或隐私范畴的探讨。然而，一旦它使用客户的真实凭据登录了账户，性质就完全不同了。以智能体 Instinct 为例，其服务条款已将自身定义为代表用户执行“具有法律约束力交易”的代理人；但与此同时，其隐私声明中也直言不讳地将“发生非预期意外支付”以及“受隐藏指令恶意操控”列为使用该产品的已知风险。早期测试者对此类隐患均有实测证实：一位测试者在邮件中植入了隐藏指令，亲眼目睹该智能体被这行隐藏指令诱导并执行了恶意操作；另一位测试者则发现，该智能体在未经其确认许可的情况下，擅自代其发送了邮件。
因此，当各大银行纷纷表示根本无法辨别账户内的某项操作究竟是不是出于客户本人的真实意图时，他们所揭示的是一个客观存在的架构级信任鸿沟，绝非多买几套安全检测设备就能轻易花钱摆平的技术问题。智能体使用的是客户主动托付的真实凭证，因而完全是“合法”进入会话的。仅从网络请求本身来看，根本找不到任何破绽。
从企业目前的反馈来看，主要风险呈现出截然不同的两极态势，这取决于智能体是出现在银行业还是零售电商领域。
在银行业，核心痛点在于已认证会话内发生的越权行为。Axios 报道，美国多家主流银行均检测到第三方智能体潜伏在客户账户内活动，且部分智能体的操作已明显超出了客户最初的授权范围。自 10 月中旬以来，各大银行对外公开发布的应对措施高度趋同：
摩根大通严禁外部智能体接入个人零售账户。
花旗银行对智能体的访问和操作实施严格受限。
嘉信理财表示，坚决拦截一切试图转移、划拨客户资金的智能体。
美国银行要求在发生任何资金划出账户之前，必须经由人工审核批准。
摩根大通向客户发布明确警告，切勿将个人登录凭据透露给任何第三方。
多家银行正在将仅开放“只读”权限作为一种折中的过渡方案。
自主 AI 智能体当下的发展轨迹，与早年间金融账户聚合的发展路径如出一辙：起初都是在旺盛的消费者需求驱动下，经历一段混乱、未获官方授权、全凭界面数据爬取的“野蛮生长阶段”；而这种现状最终必将迫使各大平台从最初的“强力抵制”，逐步走向“制定标准化协议”的阶段。早在 2010 年代，面对银行缺乏官方 API 接口的困境，Plaid、Yodlee 和 Mint 等聚合服务商便采取了极为激进的做法：向用户索取账号密码，通过运行无头脚本来模拟真人会话，以此强行绕过安全风控并爬取账户数据。
如今，自主运行的各类爬虫程序与 AI 智能体，完全是在如法炮制当年的套路。
在零售电商领域，企业最核心的顾虑是真实客户可能因拦截而无法顺利完成结账，从而导致潜在营收流失。亚马逊早在 9 月就全面封禁了智能体 Muse；如今，一旦该智能体试图代客户下单，平台便会主动向用户发送预警提示。另外 TechCrunch 报道，消费者反映其 AI 助手遭遇“闭门羹”的平台名单还在不断拉长，包括 Yelp、eBay、Zillow、必胜客、阿迪达斯以及多家航空公司。这其中，有时是平台主动制定的管控策略所致。但在更多情况下，纯粹是因为现有的反爬虫程序风控系统识别出了自动化采购行为，并按照既定算法触发了常规阻断。
无论是金融还是电商，早在这些 AI 智能体问世之前，底层的机器流量规模就已蔚为壮观。Akamai 在 2026 年 7 月发布的《互联网现状报告》中指出，2025 年 7 月至 12 月期间，Akamai 全球网络监测到的全部 AI 爬虫程序流量中，有近半数 (47.9%) 集中在零售电商领域。该报告同时揭示，电商企业此前将超过 90% 的 AI 爬虫程序流量归入了“仅监控”模式；而在剩余的流量中，又有约四分之三未受任何限制地被直接放行。
换言之，早在 AI 智能体开始把手伸向“结账按钮”之前，绝大多数企业对 AI 流量采取的一直是“冷眼旁观”的态度，而非真正意义上的主动治理。
“对所有智能体一律全盘封禁”，无疑是见效最快、在企业内部最易交差且最能免责的方案。在用户登录和资金划转这类核心高危节点，封禁也确实可能是眼下最稳妥的安全决策。 但若将这种一刀切的做法照搬至全站，它就不再仅仅是一个安全维度的技术决策，而演变成了一场严重的商业决策失误。因为智能体背后代表的是带着购买意图前来的真实用户，拦截这道防线，最终结结实实地反噬到了客户自己身上。遭遇阻断的消费者绝不会去反思自己的 AI 助手是不是缺少某种高级认证凭据，他们只会扭头就走，果断转投那些能够顺利下单的竞争对手。
“仅开放只读权限” 则是一种经过更多权衡考量的折中方案，表面上看起来更具说服力，但它能解决的问题其实远比想象中狭隘得多。如果智能体读取了账户数据后，转而在其他外部系统中依据这些数据发起连锁操作，风险同样会外溢与扩散；此外，大量极具商业价值的用户行为，既非单纯的“信息查看”，也非敏感的“资金划转”——比如预约预订、行程改期、修改地址以及积分优惠兑换等。一味采取“只读”策略，充其量只是在为企业争取短暂的喘息时间，根本算不上真正确立了可持续的治理策略。
至于第三种应对方式，仅仅因为识别出了某个智能体就予以放行，实际上暗藏着最为致命的安全风险。在当下的技术条件下，“能够识别”本质上大多只是做到了特征签名匹配：即检查请求是否符合某个已知智能体惯常呈现的标头集合、设备指纹以及行为模式特征。然而，静态的特征签名极易被仿冒。任何基于特征签名设置的“放行白名单”，都会被伪装得足够逼真的模仿者轻而易举地一并继承；而在这个网络世界中，最有动力去处心积虑伪装成合规购物智能体的，恰恰是零售商在新品发售结账时最避之不及的“黄牛抢购流量”。
这就是典型的治理陷阱：全面封禁，直接扼杀商业营收；全盘盲目放行，等于将通行豁免权拱手送给下一个披着同款伪装外衣的恶意攻击者；而退守只读模式，不过是在消极推迟最终的战略抉择。企业与其纠结是否放行智能体，不如明确规范其具体操作。
单一粗略的“AI 爬虫程序”分类，根本无法支撑起有效的安全与访问管控策略，因为被归入其中的各类流量，其业务意图与商业价值往往截然相反：有的内容爬取程序在全量收集您的商品详情，仅仅是为了去训练第三方模型；有的搜索内容爬取程序在对站点建立索引，是为了让您的品牌能够在 AI 搜索答案中获得曝光；而有的 AI 助手调取单一页面，纯粹是因为真实客户发起了一次实时问答咨询。这三者在底层本质上属于完全不同的事务。
为此，我们在 2026 年 8 月对 Akamai Bot Directory 进行了重构，将原本笼统的单一分类细化为三大独立类别：
AI 训练内容爬取程序——旨在大规模采集网页内容以训练基础模型（例如 GPTBot、ClaudeBot、Meta-ExternalAgent）。
AI 搜索内容爬取程序——旨在对站点进行索引以支持 AI 搜索与信源引用（例如 OAI-SearchBot、Claude-SearchBot、PerplexityBot）。
AI 抓取器与智能体——旨在实时访问目标页面以回答用户提问或代为执行具体任务（例如 ChatGPT-User、ChatGPT Agent、GoogleAgent-Mariner，以及大量潜伏的疑似静默智能体）。
这种细分体系为企业赋予了更为精细化的管控粒度，彻底化解了以往安全策略相互掣肘的矛盾：限制训练内容爬取程序，有效保护企业未获授权的内容资产，防止被第三方模型无偿吸收；拥抱搜索内容爬取程序，确保品牌与核心内容在 AI 生成的检索回答中持续享有曝光度；善待实时智能体，将其视作以真实客户需求为驱动的业务流量来审慎对待。至此，企业终于能够根据自身业务诉求，真正实现“一类一策”的定制化治理。
与此同时，全局监测的边界绝不能仅停留在公开的商品页面。最令银行等金融机构如芒在背的，从来不是公开网页上的浏览爬取，而是已经持有合法登录凭据的已认证会话。在已认证会话中监控智能体的异常活动，与在公开内容页上追踪爬虫程序，在技术度量与风控逻辑上截然不同。企业唯有同时兼具这两重视角，才谈得上真正摸清并掌控自身的风险敞口。
流量分类解决了关于流量类型的问题。但紧接着企业必须深究的底层逻辑在于：您究竟是如何断定每个智能体的真实身份的？ 对于这一问题，业界存在两种技术本质截然不同的判定路径。
有些智能体会以可被证实的方式亮明身份。它们对外公开密钥，并对自身发起的每一个网络请求进行数字签名。因此，安全防护系统能够在边缘直接完成验证，而绝非听信其一面之词。这类智能体属于“身份确凿”的合法智能体。企业完全可以放心地为其量身定制管控策略（甚至包括开放结账等敏感端点），因为其识别机制不存在被仿冒或复制的可能。
除此以外，其余所有的识别手段在本质上都属于“特征推断”。安全系统通过长期观测到的行为特征进行概率归因，并为其打上“疑似”标签。这正是为什么在 Akamai 的安全报告中，您看到的通常是诸如 “Muse Agent（疑似）” 这样的条目，而非经过权威确权的确凿身份。这一标签的价值在于态势感知：它能清晰地告知您某个智能体正在访问您的站点，并帮您摸清其大致的流量规模与访问路径。但它根本无法向您保证，下一个携带完全相同特征模式的请求，依然来自那个良性智能体。如果企业的安全策略误将这种“行为推断”当成“身份确权”并施加放行，终有一天会让恶意攻击者畅行无阻。
当无法进行确定性的身份归因时，行为风险评分便成了企业退无可退的核心防线；即便智能体采用了高明的伪装欺诈手段，这一风控手段依然行之有效。行为分析聚焦于会话交互在时间序列上的动态演进轨迹，而非轻信其表面上的身份自白。正因如此，它既能准确识破那些刻意模仿普通浏览器的智能体，也能坚决拦截那些极力模仿真实消费者的黄牛爬虫程序。
这也解释了为什么正当合规的智能体有时也会在结账环节遭到拦截。这一现象并非系统误报的故障，恰恰是安全引擎按预设策略执行风控的必然结果：在整个行业建立起成熟的智能体强身份认证机制之前，一部分合规的智能体流量不可避免地会被系统归入“未验证”的高危分类中，从而触发安全阻断。
对安全运营团队而言，最核心的实操启示在于必须将这类别/标签与行为两大信号结合起来交叉研判。类别和标签解答了“来者大致是谁，流量体量几何”的宏观态势问题。而行为则揭示了“该会话当前究竟在执行什么操作”的微观风险问题。孤立依赖其中的任何单一维度，都不足以制定出兼顾安全与业务的治理策略。
商品浏览页与结账下单页所承载的业务风险，在本质上不可同日而语。智能体代表客户读取商品参数与描述，其交互模式与普通浏览器历来的常规浏览并无本质区别。企业通常非常乐意接纳这类流量，因为它们不仅能切实促成销售转化，而且 AI 助手正迅速崛起为消费者发现商品与触达品牌的全新入口。
然而，当同一个智能体尝试提交订单时，其操作就直接牵涉到了库存扣减与资金划转——这种实质性的状态变更，理应受到与对待任何未知自动化程序相同力度的严密审查。“用户登录”绝非轻量级的浏览，它在风险属性上与“结账下单”高度看齐。任何涉及账户信息变更的操作，同样不容小觑。
这正是差异化处置在安全实践中的具体体现：
面向公开内容端点采取第一套策略，对绝大部分 AI 流量采取“仅监控”或“直接放行”的宽松策略
在核心交易端点采取第二套策略，无论请求在自白标头中自称是谁，对每一个请求，均一视同仁地进行深度的自动化风险评分
在身份认证端点采取第三套策略，此时风控的核心不再纠结于“该会话是否存在自动化成分”，而是着重审查“幕后的操作者究竟是不是账户所有者本人”，以及“当前行为是否属于受认可的正当操作”。
经过这样的分层策略配置，实际呈现出的治理效果恰恰契合了大多数零售商当前的业务预期：智能体可以顺畅地代表客户浏览商品，但一旦尝试结账下单，便会立即触发安全阻断。这种机制既保留了商品曝光与流量发现路径，又将现有的风控手段精准聚焦于资金流转的核心端点，还让企业无需重构全站策略，即可随时针对任何单一端点独立微调决策。
同样的逻辑，也正面回答了我们最常被问及的一个高频难题：“如果企业确实希望允许某个特定合规的智能体代客完成购买，究竟该如何实现？”真正行之有效的破局之道，绝非依赖针对特征签名设立的“放行白名单”——因为任何能够模仿该特征的恶意程序都会顺理成章地继承这一特权。唯一可靠的途径，是推行强身份认证与密码学验证。一旦智能体能够自证其可信身份，它就能享有专属的管控策略（即使是在结账下单端点也能获得放行）。至此，企业授予访问权限的对象是一个经过权威验证的受信实体，而不再是一组极易被仿冒的静态流量特征。
上述所有治理困境，归根结底都源于同一块核心拼图的缺失：智能体既无法自证其真实身份，也无法证明自己究竟受托于何人。各大站点因而只能退守至“行为推断”这一无奈之举，而仅凭推断显然无法支撑起企业期望达成的业务决策。
如今，这块至关重要的拼图正在被逐步补齐：由我们参与推动的互联网工程任务组标准草案 Web Bot Auth，允许智能体对其发送的每一个请求进行数字签名。这使得站点能够直接通过密码学手段验证请求来源的真实性，彻底摆脱以往对请求标头的盲从。
Visa 推出的 Trusted Agent Protocol 则将这一签名机制深度延伸至支付领域。我们已将该协议整合进防护体系，使商户不仅能明确甄别智能体是在浏览还是在发起支付，更能将其与背后代表的真实消费者建立起不可抵赖的确权映射。Skyfire 推出的 Know Your Agent 引入了专属身份层，将智能体与经过合规认证的所属机构或用户进行强绑定；与此同时，我们也携手加入了 Experian Agent Trust 信任生态圈。2026 年 6 月，我们将上述各关键能力融会贯通，正式推出了涵盖身份认证、可观测性、动态信任评估以及边缘策略强制执行的全新智能体安全治理框架。
智能体的良性运转离不开其运营方的积极参与。通过在 Akamai 平台完成注册并进行流量验证，智能体即可将模糊的“特征推断”转化为明确的“声明身份”，从而方便电商商家据此制定精细化的放行策略。目前在结账环节被拦截的，大多是尚未完成此项验证的智能体。在补齐这一身份凭据之前，出于安全考虑，静默智能体注定无法通行。
行业标准的落地仍需时间，而企业当下的业务一刻也不能停摆。这正是我们需要“先管行为，后对身份”的核心原因——在身份认证体系全面普及前，先用行为治理托底。如果您的企业现已实现了结账流程与登录内容的解耦，那么当边缘端迎来验证机制时，您就能从容不迫地对合规智能体放行。而那些至今仍在“全盘拦截”和“全盘放行”之间反复纠结的企业，届时只能一切从零开始。
当下，您可以采取以下四大行动：
盘点目前已访问您站点的各类智能体
基于端点制定管控策略
将验证作为放行的前提条件
在身份验证标准尚未完全成熟前，仍对常规浏览行为保持开放
按类别梳理当前的 AI 流量，看看它们具体落在了哪些业务环节：是内容展示页、登录入口、结账环节，还是账户信息变更页面。大多数团队在核查后都会大吃一惊：不仅体量远超预期，更有大量流量长期处于“只监控、不处置”的放任状态。毕竟，连底数都没摸清的流量，根本谈不上制定管控策略。
针对常规浏览、核心交易以及已认证会话，分别评估并制定策略。即便这三类场景最终采用了相同的处理方式，也应当是团队经过深入权衡后的主动决策，而不是直接沿用历史遗留的默认配置。
当合作伙伴或智能体运营方申请访问您的结账流程时，最稳妥的答复应当是：请完成注册并亮明验证身份——而不是为其特征签名网开一面、开辟特例。请引导这些运营方走正规的注册认证流程。底层逻辑十分明确：任何基于特征模式发放的特例豁免，本质上都是在向所有能够完美伪造该模式的潜在威胁敞开大门。
代表真实客户进行消费的智能体正在成为不可忽视的全新获客渠道。如果仅仅因为安全焦虑而在商机探索阶段就将其盲目拒之门外，企业付出的代价将直接体现在流失的销售业绩上，而非防御了多少安全事件。最明智的策略是：在涉及资金与交易的关键节点筑起坚固防线，同时向外界大方敞开您的产品目录。
在智能体时代，最终胜出的绝非那些盲目猜测该信任哪些智能体的企业。真正的赢家，是那些能够洞悉全盘流量、清晰掌握验证底牌，并能够在不牵一发而动全身的情况下，针对单一端点进行精准治理的破局者。
想要深入排查您当前的 AI 流量类别并定制专属交易策略？请即刻联系 Akamai 专家。
©2026 Akamai Technologies
