AI爬虫涌入电商，安全防线正在从“拦截”转向“判断”

AI正在进入电商，但它带来的不只是新的导购、搜索和交易方式，也正在改变电商网站面对的安全问题。 近日，Akamai 大中华区解决方案资深经理马俊在解读 Akamai 最新《互联网安全态势报告》时提到，2025 年全球有超过 17万亿个Bot访问电子商务网站，同比增长19%；其中亚太地区增长超过63%，是增速最快的区域。 与此同时，API攻击增长9%，首次超过传统Web应用攻击，成为报告统计中的第一大攻击技术类别；84%的7层DDoS攻击则针对电子商务行业。 这组数据背后，一个新的变化正在出现：过去电商面对的主要是“人”和“机器”，如今越来越多的流量来自AI Bot、AI Fetcher以及AI Agent。 而对于企业来说，问题也从“要不要拦截爬虫”，变成了“这个AI到底是谁，它想做什么，以及它对我的业务究竟是好是坏”。 马俊在分享中反复强调，传统的“好爬虫、坏爬虫”二元分类，在AI爬虫时代可能已经不再适用。 17万亿次访问背后，AI开始“像人一样”爬网站 根据马俊分享的报告数据，2025年电商行业Bot流量达到17万亿次/年，约为第二名媒体行业的两倍。其中零售行业占据绝大多数，旅游和酒店位居其后。 更值得注意的是 Bot 行为正在变得越来越“像人”。 马俊提到，AI Bot已经成为主要的Bot来源之一，与过去的僵尸网络或者传统爬虫相比，它更加倾向于模拟人的行为。例如，爬虫流量通常在周一至周五出现高峰，周末则会出现短暂下降，“这也和人的作息有关系”。 在他看来，这意味着部分AI爬虫背后可能并非单纯的自动程序，而是受到人的操纵，甚至可能是“人在请AI爬虫在做事情”。 报告还提到，“浏览器伪装”是Bot流量中的主要技术特征之一，相关流量达到7500亿次。 从区域来看，北美依然是Bot数量最大的市场，但亚太地区增速最快。马俊认为，这与亚太电商市场结构有关，并不意味着亚太发生了更多安全事件。 一方面，亚太电商已经拥有较大的市场规模，同时企业和消费者对AI技术的接受程度较高。电商平台正在积极尝试AI导购、购物索引、推荐以及优惠券、积分等功能，这些应用本身也会带来更多AI访问。 另一方面，亚太旅游市场高度碎片化。消费者在选择酒店、目的地和旅游产品时，更容易借助AI进行搜索和筛选，因此也会催生更多AI流量。 此外，积分和忠诚度计划也是一个特殊因素。酒店、电商平台积累的大量积分本身具有一定商业价值，在黑产眼中，它们越来越接近一种“影子货币”。 AI爬虫不是简单的“好”与“坏” 马俊把目前的AI Bot大致分为四类：训练类Bot、AI信息获取者，也就是AI Fetcher、AI搜索引擎，以及增长较快的AI Agent。 其中，训练类爬虫主要用于获取数据，帮助模型改善训练和知识覆盖；AI Fetcher则更多发生在用户向AI提问时，由AI临时调用互联网信息；AI搜索引擎则会持续抓取互联网内容，更新自己的检索数据库；而AI Agent进一步向前走了一步，它开始代表用户执行任务。 这也带来了电商安全治理上的一个变化。 “我们原来把‘爬虫’分成‘好爬虫、坏爬虫’。”马俊说，但这种二元分类在AI爬虫时代“不适用了”。 原因很简单：同一个AI Bot，既可能给电商带来业务，也可能给电商造成压力。 例如，一个用户希望购买某件商品，AI帮助用户检索商品信息，并最终引导用户完成购买，这样的AI访问显然可能带来真实的商业价值。 但如果一个AI Bot只是为了更新自己的数据库，持续大量抓取商品价格、库存和产品信息，却没有给电商带来实际交易，那么对平台来说，这类流量更多是一种成本。 “很有可能在某些情况下，这个AI爬虫就是一个对你的业务加分的‘爬虫’，有些情况下它就是一个对业务减分的‘爬虫’。” 因此，企业需要做的不是简单判断“放行还是拦截”，而是进行业务影响分析，再决定如何治理。 这也是AI爬虫和传统搜索引擎爬虫最核心的区别之一。 传统爬虫主要是“来爬内容的”，目标是获取数据；而AI爬虫可能已经开始“替人来做动作”“替人来工作”“替人来做决定”。 从这个角度看，AI爬虫实际上正在从一种数据采集工具，逐渐变成新的业务访问主体。 API正在成为新的主要攻击面 AI带来的另一变化，是API的重要性快速上升。 在马俊看来，AI和智能体天然需要通过API与外部系统交互，而企业为了开放服务、连接第三方平台，也会暴露越来越多API，因此攻击面正在从传统Web页面向API进一步迁移。 根据他分享的数据，2025年第四季度，API攻击首次在整体范围内超过Web攻击。 在亚太地区，针对电商行业的Web攻击超过2000亿次，其中49%是API攻击。 马俊认为，亚太地区API攻击数量低于北美，一方面与当地存在大型超级电商平台有关，这些平台将更多API能力整合在内部，减少了部分对外暴露；另一方面，北美的API攻击则更多受到一些大型攻击事件影响。 但企业的问题并不是“有没有API清单”这么简单。 马俊引用 Akamai 此前的一项调研称，77.7%的CISO表示企业已经通过技术或人工方式梳理了API清单，但当进一步询问哪些API包含敏感数据、哪些API存在越权风险时，能够明确回答的只有约22%。 “这就暴露出一个问题，就是说很多企业其实是做了所谓的API安全的前置，它其实是做了、只是做得不够充分。” 在他的判断中，很多企业已经开始把API安全前置，但仍然存在“有清单、但清单不全；有清单、但清单并没有体现真正风险”的问题。 AI进一步放大了这种问题。 过去，企业可能需要人工检查API、梳理接口、验证返回数据，而攻击者现在可以利用AI快速寻找“影子API”，发现企业自己都不知道存在的数据接口和暴露面。 因此，马俊认为，AI时代API安全首先需要解决的是“可见性”。 企业需要知道自己到底有哪些API，这些API背后连接什么数据，哪些涉及会员、积分、礼品等核心资产，以及哪些接口可能存在敏感数据泄露、注入和越权问题。 从“AI攻击AI”，到“用AI治理AI” 在传统安全体系里，Bot治理往往是一个二元逻辑：判断它是恶意还是正常，然后选择拦截或者放行。 但AI Bot的复杂性让这种模式开始失效。 马俊提出，AI安全防护可以沿着三个方向推进：AI发现和验证、AI实时策略与防护、AI降低分析门槛。 第一步是利用AI识别和验证Bot、API等流量，并对AI Bot进行更细的标签分类。 第二步是在运行时根据行为动态判断，而不是只看单次请求。例如，对于API攻击中的BOLA，也就是对象级授权失效，单独的一次API调用可能看不出问题，但连续的API行为可能暴露出越权尝试。 第三步则是降低安全分析门槛。 马俊举例称，可以让AI学习资深安全人员长期积累的分析经验，让不熟悉具体产品和攻击细节的运维人员通过自然语言获得安全信息，辅助完成发现、判断和决策。 这意味着，所谓“AI防护AI”，并不是简单地把一个AI模型放进传统防火墙，而是让安全系统从静态规则逐渐走向动态判断。 最终，原本“非黑即白”的Bot治理，需要变成一个连续的“信任光谱”。 不同类型、不同风险等级的AI Bot，可以对应不同程度的放行、降级、限制或者拦截。 电商的新风险：聊天机器人、智能体和Token 随着AI进入电商业