Cloudflare 利用 Client-Side Security 與 GNN 模型揭露諸多隱形惡意 JavaScript 攻擊
為何重要
過去依賴伺服器端掃描或單一簽名的防毒策略已無法抵禦透過瀏覽器側執行的複雜駭客竊密；Cloudflare 此舉證明瞭透過邊緣運算與自主代理模型，能夠在資料流出前攔截 Magecart 支付攻擊與佣金盜用，對於電商與支付系統的安全防線提供關鍵保障。
Cloudflare 的 Client-Side Security 模型透過圖神經網路 (GNN) 分析 JavaScript 靜態碼流，針對傳統防毒軟體無法捕捉的瀏覽器端隱形攻擊進行現實世界的大規模偵測。
- 在野生網路流量中發現 8 個惡意 JavaScript 荷載載入量，對比 7 個門戶資料庫（VirusTotal、URLScan）完全無法偵測。
- 採用階層式檢測：先以 GNN 擷取程式碼圖結構識別模式，再將不到 0.3% 的可疑指令碼交由 Workers AI 上的 LLM 作二次審查。
- 面對高度混淆與繞過掃描器的攻擊，使用多模型「教師」聯盟（涵蓋 6 模型家族）進行代理檢視，並產生四分類機率分佈。
- 實際案例顯示駭客利用
MutationObserver監聽動態載入的產品區塊，並結合時間條件判斷執行聯盟佣金竊取的「雙標籤」轉址手法。