Cloudflare公开AI测试WAF复盘：1107次尝试不能直接当作成功攻击统计

10-01 4阅读

2026 年 9 月 29 日，Cloudflare 公开了一次利用 AI 模型测试 WAF 的复盘。消息值得关注的地方，是它把生成尝试、可用结果、人工确认的发现和实际利用证据分开记录。读这类安全测试时，先看每个数字代表什么，比只看一个“通过率”更有意义。

配图为 AI 生成的概念示意图，非真实产品界面、设备照片或测试现场。

官方数字是什么口径

Cloudflare 称，测试在获授权的客户预发布环境中进行，覆盖六类攻击，共记录 1107 次尝试。人工筛选后的结果集为 607 项，其中 558 项被阻止，49 项为值得进一步分析的 WAF 相关发现。未被拦截的请求不自动等于成功利用漏洞。

这篇九月复盘提及的成果包括七月二十一日发布的两项 SSRF 检测，以及另一项已有规则的改进。需要区分复盘发布日期和规则实际更新时间。上述数字来自厂商自述，本站没有独立重现，也不能据此计算全部真实攻击的防护率。

以下是本文的阅读分析。假如把模型无法生成有效请求、根本没有到达目标和已经变得无害的输入也放进同一个分母，就会把不同失败原因揉在一起。反过来，只报告筛选后的数字而不说明筛选过程，也容易让读者高估测试覆盖。

更清楚的报告应能回答：一共提出多少候选，多少真正执行，多少结果可判断，多少被人工复核，以及哪些进入修复流程。不同环节的数字各有用途，不能用一个百分比替代整条证据链。

对已有授权测试流程的团队，本文建议把发现记录写成可复查的问题单，标明环境版本、观察到的响应、判断依据和仍缺的证据。结论若只到“边缘层没有阻止”，就不要跳写成“源站数据已经泄露”。对源站是否受影响，应有独立且合规的验证依据。

修复验收也应同时观察防护效果与正常业务。一个规则能挡住测试样本，但若让合法请求大量失败，仍不能算完成。保留代表性的正常样本和重复验证步骤，可以帮助团队比较修改前后的行为，而不是只留下某次模型运行的叙述。

这次复盘展示的是厂商如何把 AI 生成的候选交给人工筛选和工程修复。普通站长不需要为了跟进新闻去扫描其他网站；更实际的工作是核对自己系统的更新、现有防护状态和已获授权测试的证据质量。

Cloudflare：使用前沿AI模型测试WAF的复盘（2026-09-29）。本文于北京时间 2026 年 10 月 1 日核验，后续状态以官方更新为准。