Cloudflare ha presentado Adaptive Intelligence, un nuevo motor de detección para Bot Management diseñado para responder a una generación de bots que cambia de infraestructura, comportamiento y técnicas de evasión con mucha más rapidez que antes. La propuesta sustituye parte del ciclo tradicional de actualización por aprendizaje continuo sobre tráfico real y prepara defensas temporales que buscan impedir que los atacantes puedan estudiar una protección y reutilizar durante semanas la misma técnica para esquivarla.
Las claves de Cloudflare Adaptive Intelligence en 20 segundos
- Adaptive Intelligence se integra directamente en Cloudflare Bot Management.
- Su modelo de aprendizaje automático puede reentrenarse continuamente con tráfico real.
- Cloudflare plantea reglas temporales específicas para dificultar el aprendizaje del atacante.
- El sistema analizará patrones en diferentes ventanas temporales para localizar ataques lentos.
- Algunas capacidades anunciadas se desplegarán progresivamente.
La idea parte de una realidad conocida por los equipos de seguridad: automatizar un ataque resulta cada vez más barato. Redes de proxies residenciales, dispositivos comprometidos, navegadores automatizados y herramientas asistidas por inteligencia artificial permiten modificar una campaña rápidamente cuando una defensa empieza a bloquearla.
Cloudflare intenta trasladar ese mismo ritmo de adaptación al lado defensivo.
La compañía asegura que procesa más de un billón de visitas web cada día para identificar nuevos patrones. Esa escala proporciona señales que un sistema limitado a observar una sola aplicación difícilmente podría obtener, aunque disponer de más datos no elimina por sí mismo problemas como los falsos positivos.
El problema ya no es solamente detectar que hay un bot
Las técnicas clásicas para identificar automatización se han complicado.
Bloquear una dirección IP sospechosa puede servir frente a determinadas campañas, pero pierde eficacia cuando el atacante utiliza proxies residenciales y distribuye las solicitudes entre miles de conexiones que aparentemente proceden de hogares normales.
También puede utilizar navegadores completos, ejecutar JavaScript, conservar cookies e introducir pausas entre acciones.
Desde el punto de vista de una petición individual, ese tráfico puede parecerse bastante al generado por una persona.
Cloudflare Bot Management ya utiliza diferentes señales para afrontar el problema. Adaptive Intelligence pretende añadir una capa capaz de modificar continuamente sus modelos conforme observa nuevas técnicas de evasión.
Una de las diferencias está en el ciclo de actualización.
Un sistema tradicional puede identificar una nueva técnica, recopilar muestras, modificar el modelo, probarlo y distribuir posteriormente una actualización. El procedimiento puede funcionar correctamente, pero introduce un intervalo durante el que los atacantes continúan utilizando el método descubierto.
Cloudflare propone reducir ese intervalo mediante reentrenamiento continuo sobre tráfico activo.
La compañía describe el sistema como una defensa permanentemente conectada a las señales que recibe su red. Cuando aparecen nuevos frameworks de bots o modificaciones destinadas a eludir los controles existentes, esa información puede incorporarse al proceso de detección sin esperar necesariamente a una actualización convencional.
Eso tampoco significa que cualquier patrón recién observado deba bloquearse automáticamente. En ciberseguridad, reaccionar rápido y reaccionar correctamente son problemas distintos.
Reglas que caducan para que el atacante tenga que empezar otra vez
La parte más particular del planteamiento de Cloudflare son las reglas de corta duración.
Buena parte de la evasión de sistemas antibot funciona mediante ensayo y error.
El atacante envía solicitudes, observa cuáles son aceptadas, modifica características del navegador, cabeceras, tiempos, dirección IP o comportamiento y vuelve a probar. Con suficientes intentos puede aproximarse progresivamente a las condiciones que permiten superar la defensa.
Una protección estática tiene una debilidad en este escenario: aunque resulte difícil de superar, una vez encontrada la combinación adecuada el conocimiento adquirido puede conservar valor.
Adaptive Intelligence intenta reducir precisamente ese valor.
Cloudflare plantea generar reglas muy específicas para determinados patrones y mantenerlas durante periodos limitados. El atacante puede dedicar tiempo a descubrir cómo sortear una defensa y encontrarse con que esa solución deja de servir porque las condiciones han cambiado.
El objetivo declarado no es hacer matemáticamente imposible la evasión. Consiste en aumentar el coste económico y técnico de mantener una campaña automatizada funcionando a escala.
Esta distinción resulta importante.
Los atacantes pueden asumir que una parte de sus solicitudes será bloqueada si el volumen y el beneficio final compensan. La defensa necesita, por tanto, actuar también sobre esa ecuación económica: elevar el número de modificaciones necesarias, reducir la vida útil de cada técnica y obligar a invertir más recursos para conseguir el mismo resultado.
La generación de estas reglas temporales forma parte del desarrollo de Adaptive Intelligence y no todas las capacidades descritas por Cloudflare deben interpretarse como disponibles desde el primer momento.
Credential stuffing y scraping pueden esconderse reduciendo la velocidad
Adaptive Intelligence también busca mejorar la identificación de campañas conocidas como low and slow.
Un atacante no necesita enviar miles de solicitudes por segundo.
En un ataque de credential stuffing, por ejemplo, puede disponer de grandes bases de datos de nombres de usuario y contraseñas procedentes de filtraciones anteriores. En lugar de probarlas rápidamente desde unas pocas direcciones, puede distribuir los intentos durante horas o días y entre numerosas conexiones.
Cada IP genera entonces un volumen aparentemente pequeño.
El mismo principio puede utilizarse para scraping, creación automática de cuentas y otros abusos.
Los límites tradicionales basados principalmente en frecuencia pueden tener dificultades para detectar estas campañas sin perjudicar a usuarios legítimos.
Cloudflare plantea analizar simultáneamente el comportamiento en múltiples ventanas temporales. Una secuencia que parece normal durante unos segundos puede mostrar un patrón diferente cuando se observa durante minutos u horas.
El sistema también puede relacionar información procedente de distintos niveles de la conexión.
Precursor añade señales del comportamiento dentro del navegador
Otra pieza del planteamiento es Cloudflare Precursor, tecnología destinada a observar señales durante la sesión del navegador.
La diferencia respecto a analizar únicamente solicitudes HTTP resulta relevante.
Un usuario real no produce simplemente una sucesión de peticiones independientes. Existe un comportamiento durante la sesión: navegación entre páginas, ejecución de código, interacción con elementos y diferentes señales generadas por el navegador.
Precursor permite incorporar parte de ese contexto.
Adaptive Intelligence combinará estas señales con la telemetría obtenida en el edge de Cloudflare para evaluar automatización y posibles abusos sin depender exclusivamente de una comprobación binaria.
La arquitectura puede utilizar información de sesión junto con señales de red y características técnicas de las conexiones.
Esto responde a otra evolución de los bots modernos: parecer humano técnicamente ya no exige necesariamente comportarse como un humano durante toda la sesión.
Un navegador automatizado puede presentar muchas de las características de Chrome, Firefox o Safari porque realmente está ejecutando uno de esos navegadores. La detección necesita entonces buscar diferencias en otras capas.
La dificultad consiste en hacerlo sin convertir comportamientos poco habituales de personas reales en señales de bloqueo.
La IA está reduciendo el coste de modificar los ataques
Cloudflare vincula esta evolución con la disponibilidad de inteligencia artificial y herramientas de automatización más accesibles.
No significa que todos los ataques de bots estén dirigidos por sofisticados agentes autónomos. El efecto puede ser bastante más sencillo.
Una persona con menos conocimientos puede generar código, corregir errores, modificar scripts o entender mecanismos técnicos con ayuda de modelos de IA. Tareas que anteriormente exigían experiencia específica pueden completarse más rápidamente.
A eso se suma un mercado de servicios que permite alquilar proxies residenciales, infraestructura y otras capacidades necesarias para distribuir automatizaciones.
El resultado es una barrera de entrada menor.
Para los defensores aparece una situación asimétrica. Un atacante puede permitirse miles de intentos fallidos si uno termina funcionando. Una tienda online, una plataforma financiera o un servicio digital, por el contrario, no puede responder bloqueando indiscriminadamente porque detrás de algunas conexiones hay clientes reales.
Adaptive Intelligence intenta responder haciendo que cada técnica exitosa dure menos tiempo.
Una defensa que se modifica sola necesita controles
El aprendizaje continuo introduce también riesgos operativos.
Una regla manual puede revisarse antes de entrar en producción. Un sistema que modifica continuamente sus criterios necesita mecanismos adicionales para comprobar que los cambios no provocan bloqueos inesperados.
Cloudflare asegura que las actualizaciones pueden evaluarse sobre tráfico real antes de desplegarse, con el objetivo de medir su precisión y detectar posibles falsos positivos sin interrumpir el servicio.
Este punto probablemente sea tan importante como la capacidad de detectar nuevos bots.
En aplicaciones con millones de usuarios, una tasa aparentemente pequeña de errores puede traducirse en miles de personas bloqueadas.
Además, no toda automatización debe tratarse como hostil.
Rastreadores de buscadores, sistemas de monitorización, integraciones empresariales, herramientas de accesibilidad y nuevos agentes de IA pueden generar tráfico automatizado perfectamente legítimo.
La pregunta para los sistemas antibot está dejando de ser simplemente si existe una máquina detrás de la petición.
Cada vez importa más determinar qué sistema está actuando, cuál es su comportamiento y qué intenta hacer.
Los bots de IA harán todavía más difícil distinguir tráfico legítimo y abuso
La llegada de agentes capaces de utilizar páginas web añade otra dificultad.
Un agente de IA puede visitar un comercio electrónico, consultar información o completar una tarea porque una persona se lo ha pedido. Técnicamente existe automatización, pero bloquearla automáticamente puede no ser la decisión que quiere tomar el propietario de la web.
Al mismo tiempo, las mismas tecnologías pueden utilizarse para scraping masivo, creación fraudulenta de cuentas o abuso de servicios.
La detección tendrá que incorporar cada vez más contexto.
Cloudflare lleva tiempo desarrollando controles específicos para rastreadores y bots relacionados con inteligencia artificial. Adaptive Intelligence amplía ese enfoque hacia un sistema donde las señales cambian y se correlacionan continuamente.
La escala de la red de Cloudflare constituye aquí una ventaja potencial: una nueva técnica observada en una parte de Internet puede proporcionar información para detectar comportamientos similares en otros clientes.
Pero esa misma automatización obliga a mantener mecanismos de supervisión y validación.
La seguridad adaptativa no puede limitarse a aprender más rápido que el atacante. También tiene que demostrar que puede hacerlo sin convertir la evolución automática de sus defensas en un problema para el tráfico legítimo.
Adaptive Intelligence plantea precisamente ese equilibrio. Cloudflare quiere que las defensas contra bots dejen de ofrecer un objetivo relativamente estable y pasen a comportarse como un sistema que cambia continuamente.
Si funciona como plantea la compañía, el efecto más interesante no sería conseguir que un bot nunca atraviese una protección. Sería conseguir que cuando finalmente lo haga, la técnica utilizada tenga una vida útil tan corta que resulte demasiado cara de mantener a gran escala.
Preguntas frecuentes
¿Qué es Cloudflare Adaptive Intelligence?
Es un motor de detección incorporado a Cloudflare Bot Management que utiliza aprendizaje automático y señales del tráfico para adaptar las defensas frente a nuevas técnicas de automatización y evasión.
¿Qué ataques pretende detectar?
Cloudflare menciona campañas automatizadas como credential stuffing, scraping y otras formas de abuso mediante bots, incluidos ataques lentos y distribuidos que intentan pasar inadvertidos ante controles basados en volumen.
¿Qué son las reglas temporales de Adaptive Intelligence?
Son reglas específicas diseñadas para responder a determinados patrones durante periodos limitados. El objetivo es dificultar que los atacantes estudien una defensa y reutilicen durante mucho tiempo una técnica de evasión.
¿Adaptive Intelligence puede bloquear usuarios legítimos?
Como cualquier sistema de detección existe riesgo de falsos positivos. Cloudflare afirma que utiliza mecanismos de validación sobre tráfico real antes de desplegar cambios para comprobar su precisión y reducir ese riesgo.
Fuentes:
- Cloudflare, Cloudflare Introduces Adaptive Intelligence; Reverses the Economics of Automated Cyber Attacks, 31/08/2026.
- Cloudflare Blog, Introducing Adaptive Intelligence: undermining the economics of every bot attack, 31/08/2026.
