人間のように振る舞うAIボットを、どう見分ける?
この記事のポイント
人間のように振る舞うAIボットは、アクセス速度だけで見分けることは困難です。IP・ネットワーク情報、ブラウザーなどのアクセス環境、ユーザー操作、複数のリクエストにわたる行動パターンを組み合わせて分析する必要があります。自動化が疑われる活動を特定した後は、アクセス権限やサービスのポリシーを確認し、対応を判断します。
アクセス速度だけでボットを見分けられるのでしょうか?
商品の閲覧、ログイン、予約の空き状況の確認など、Webサイトで日々発生するリクエストには、実際のユーザーによる操作だけでなく、自動化プログラムが生成したリクエストも混在しています。
従来は、短時間に同じリクエストを繰り返すといった、目立つ特徴を中心に自動アクセスを見分けていました。しかし、人気商品の販売やチケットの予約が始まると、正規ユーザーもページの再読み込みや情報の確認を繰り返します。一方、自動化ボットもリクエストの間隔を調整したり、実際のブラウザーを使用したりするため、単純な速度やリクエスト数だけでは、人間とボットを見分けることが難しくなっています。
そのため、ボット検知は「どれほど速くアクセスしたか?」という問いだけでは完結しません。
どのような環境からアクセスし、どのようにサービスを利用し、複数のリクエストの間にどのようなパターンが現れているかを、あわせて確認する必要があります。
ボットを見分けるには、どのような情報を確認すべきでしょうか?
ボット検知には、さまざまな手法が用いられます。アクセス元を調べる方法から、ブラウザー環境やユーザーの行動を分析する方法まで、それぞれ確認できる情報が異なります。
IP・ネットワーク分析:アクセス元から何がわかるのでしょうか?
IPアドレス、アクセス元の国、ASN(自律システム番号)などは、リクエストの送信元ネットワークの特性を把握するための基本情報です。既知の攻撃元IPアドレスからのアクセスや、サービスの提供地域と一致しないアクセスであれば、追加の確認が必要になる場合があります。
ただし、複数のユーザーが同じIPアドレスを共有することもあれば、自動化プログラムが複数のIPアドレスを使い分けてリクエストを送信することもあります。アクセス元の情報だけで、人間とボットを見分けることは困難です。
アクセス環境の分析:ブラウザーや自動化ツールの特徴を、どう確認するのでしょうか?
リクエストを送信するブラウザーやプログラムにも、それぞれ特徴があります。ブラウザーが送信するHTTPヘッダー、OSやブラウザーの属性、JavaScriptの実行結果などを調べることで、アクセス環境の把握に役立つ情報を得られます。
こうした分析に用いられる手法の一つが、フィンガープリンティング(Fingerprinting)です。複数の環境情報を組み合わせてアクセス環境の特徴を識別する方法で、人間の指紋のように特徴を比較することから、この名前が付けられています。ブラウザーの属性を利用する方法のほか、暗号化通信を開始する際の特徴を分析するTLSフィンガープリンティングもあります。
ただし、同じ環境を使用する正規ユーザー同士が似た特徴を示す場合もあり、ボットも実際のブラウザーを使用できます。
フィンガープリンティングは、アクセス環境を把握するための手がかりであり、特定の個人や悪意のあるボットを断定する証拠ではありません。
ユーザー操作の分析:クリックや滞在時間は、どのような手がかりになるのでしょうか?
クリックの間隔、ページの滞在時間、画面上での操作などを分析できます。商品を閲覧する過程とリクエストが発生するタイミングをあわせて確認することで、リクエスト数だけを見る場合よりも、サービスの利用行動を具体的に把握できます。
ただし、モバイルとPCでは利用方法が異なり、キーボードだけでサービスを利用するユーザーもいます。画面上の操作が見られない、あるいは操作が速いという一つの理由だけで、ボットと判断すべきではありません。
行動パターンの分析:リクエストの順序や繰り返しから、何がわかるのでしょうか?
リクエストの間隔、URLへのアクセス順序、繰り返し閲覧する対象、セッション内で続く活動も重要な情報です。リクエストの回数だけでなく、一定時間にわたり、サービスの利用がどのような流れで続いているかを確認する必要があります。
ただし、チケットの予約や履修登録の受付開始時には、正規ユーザーも繰り返し情報を確認することがあります。そのため、行動パターンを分析する際には、サービスの特性や利用状況も考慮する必要があります。
個々のリクエストが正常でも、繰り返される流れには違いが現れることがあります
商品詳細ページにアクセスしたという事実だけでは、一般の顧客による訪問と、自動化された情報収集を見分けることは困難です。リクエストの間隔が不規則で、実際のブラウザーが使われていれば、表面的な違いはさらに小さくなる可能性があります。
観察の範囲を広げると、確認できる情報も変わります。1回の商品閲覧だけでなく、一定時間にどの商品をどのような順序で閲覧したかを確認できます。IPアドレスごとのリクエスト数に加え、ログインIDやセッションごとに、どのような活動が続いているかを調べることもできます。
商品番号を順番に変えながら閲覧を続けたり、複数のアクセスで似た順序の操作が繰り返されたりする場合は、自動化された情報収集を疑い、追加で確認する根拠になります。さらに、アクセス環境の異常な兆候や自動化ツールの使用痕跡が見つかれば、判断に活用できる根拠が増えます。
ただし、自動化された活動がすべて攻撃とは限りません。企業が許可したデータ収集や、サービスの点検作業である可能性もあります。そのため、自動化の有無を分析した後は、アクセス権限、サービスのポリシー、実際の影響をあわせて確認する必要があります。
自社サービスにアクセスするボットを、どのように見分けていますか?
ボット検知は、複数の情報の関係を確認しながら、判断の根拠を積み重ねていくプロセスです。
不審なリクエストを見つけるだけでなく、判断の根拠を確認し、サービスに合った対応を取れることが求められます。
BotManagerは、アクセス環境、ユーザー操作、自動化ツールの使用痕跡、繰り返されるアクセスパターンなど、さまざまなシグナルを組み合わせて分析します。また、ログインID、セッションID、IPアドレスごとに、リクエストのパターン、リスク、ポリシー違反の履歴を確認できるため、運用担当者は不審な活動を具体的に調査できます。
検知結果は、サービスに合った対応につながります。必要な自動アクセスは許可し、不審なリクエストには追加検証やブロックのポリシーを適用するといった対応です。
自社サービスへのアクセスが自動化トラフィックかどうかを、どのような根拠で見分けているでしょうか。BotManagerでアクセス環境や行動パターンを分析し、サービスに合ったボット対策の仕組みを構築してみませんか。
FAQ
AIボットの検知と、AIを活用したボット検知は同じ意味ですか?
AIボットの検知とは、AIを利用するボットを識別することを指します。一方、AIを活用したボット検知とは、検知のプロセスにAIを利用することを指します。検知の「対象」と「手法」の違いであり、両者を組み合わせることもできます。
ボットとして検知されたら、すべてブロックすべきですか?
いいえ。企業が許可したデータ収集やサービスの点検など、必要な自動化もあります。自動化の有無に加え、アクセス権限、サービスのポリシー、実際の影響を確認したうえで、許可・追加検証・ブロックなどの対応を判断する必要があります。