When scanners miss the attack: how Cloudflare Client-Side Security protects storefronts
Cloudflare 发布博客，介绍其 Client-Side Security 能力：现代电商店面表面运行正常时，恶意 JavaScript 可能窃取收入、劫持点击或篡改分析数据；Cloudflare 使用机器学习模型识别这类规避性客户端攻击，并交由分析师调查。
发展脉络
- 首次出现When scanners miss the attack: how Cloudflare Client-Side Security protects storefrontsCloudflare AI
- 当前判断客户端脚本供应链已成为电商收入与数据完整性的风险面，安全厂商正把机器学习用于规避性攻击检测。这更像是既有 Web 安全产品线的能力补齐，而非新的市场分层；证据未显示定价、客户或竞争格局变化，因此不宜推断份额影响。Agent Pulse · 分析
Cloudflare 在官方博客中描述了一类被传统扫描器漏掉的攻击形态：店面页面看起来健康，但客户端 JavaScript 在暗中窃取收入、劫持点击或改写分析数据。Cloudflare 的应对方式是用机器学习模型发现这类具有规避性的客户端侧攻击，并输出给分析师进一步调查。该文属于产品能力说明，未给出具体检出率、客户数量或攻击样本规模等量化指标。
从描述看，检测点位于客户端脚本行为而非静态页面扫描，属于对传统扫描器盲区的补充。但证据未披露模型类型、特征来源、误报率与部署位置，因此只能判断方向是行为侧检测，不能推断其检测精度或是否覆盖第三方标签管理器链路。可验证下一信号：Cloudflare 是否公布检出样本、误报数据或与浏览器侧防护的联动方式。
客户端脚本供应链已成为电商收入与数据完整性的风险面，安全厂商正把机器学习用于规避性攻击检测。这更像是既有 Web 安全产品线的能力补齐，而非新的市场分层；证据未显示定价、客户或竞争格局变化，因此不宜推断份额影响。
对电商与依赖第三方脚本的企业，价值在于把收入窃取、点击劫持和分析数据污染纳入可调查的安全流程，减少仅靠页面扫描带来的盲区。但证据未提供成本、部署门槛与投资回报数据，采购判断仍需等待可量化的检出与误报指标。
若该类检测被纳入默认防护并公开效果数据，客户端安全可能从可选插件变为电商基础设施的常规项。观察信号：后续是否发布攻击活动细节、检出统计，或将该能力并入现有 WAF/机器人管理产品。