当握手协议告诉真相：通过 TLS 指纹检测网络坏机器人
密码学与安全
2026-02-11 v1
摘要
自动化流量持续超过人类生成流量，而这一自动化中越来越比例是明确恶意的。回避型机器人可以假装是真实用户，甚至解决验证码并模拟人类交互模式。本工作探索了一种较不侵入的方法：使用 TLS 指纹技术（JA4）来区分机器人和真实用户。我们训练并评估了两个梯度提升机器学习分类器（XGBoost 和 CatBoost），在实 TLS 指纹数据集（JA4DB）上进行评估，该数据集在特征提取后派生出描述 TLS 握手参数的有信息信号。CatBoost 模型效果更好，实现 AUC 为 0.998，F1 分数为 0.9734。在测试集上，其准确率为 0.9863。XGBoost 模型显示出几乎类似的结果。特征重要性分析确定 JA4 组件，尤其是 ja4\_b、cipher\_count 和 ext\_count，对模型效果最具影响。未来的研究将将该方法扩展到新协议（如 HTTP/3），并添加额外的设备指纹特征，以测试该系统在应对高级机器人回避策略方面的鲁棒性。
引用
@article{arxiv.2602.09606,
title = {When Handshakes Tell the Truth: Detecting Web Bad Bots via TLS Fingerprints},
author = {Ghalia Jarad and Kemal Bicakci},
journal= {arXiv preprint arXiv:2602.09606},
year = {2026}
}
备注
7 pages, 4 figures