AI एजेंट नया फ्रॉड वेक्टर हैं। यहाँ बताया गया है कि आपका डिटेक्शन शायद इन्हें क्यों चूक जाता है।
LLM-संचालित एजेंट असली ब्राउज़र चलाते हैं, पेजों पर तर्क करते हैं और सतह पर इंसान जैसे दिखते हैं। स्क्रिप्ट बॉट्स को पकड़ने वाले behavioral और CAPTCHA संकेत इनके ख़िलाफ़ काफ़ी कमज़ोर हैं।
पिछले दशक के अधिकांश समय में, "bot detection" का मतलब था automation को इंसानों से अलग पहचानना। संकेत स्पष्ट था क्योंकि अंतर बड़ा था: बॉट्स में न माउस की कँपकँपी थी, न पढ़ने के ठहराव, न संदर्भगत जागरूकता। यदि आप जानते थे कि कहाँ देखना है तो वे साफ़ दिखते थे।
वह अंतर घट रहा है। 2026 में फ्रॉड टीमों को जिस ख़तरे की श्रेणी को समझने की ज़रूरत है वह है LLM-संचालित एजेंट — बड़े भाषा मॉडलों पर बना automation जो पढ़ सकता है, तर्क कर सकता है, निर्णय ले सकता है और ऐसे तरीकों से कार्य कर सकता है जो बॉट्स की किसी भी पिछली पीढ़ी की तुलना में मानव अनुभूति के अधिक निकट हैं। जो डिटेक्शन संकेत स्क्रिप्ट-आधारित बॉट्स के ख़िलाफ़ काम करते थे, वे मानव व्यवहार पर प्रशिक्षित एजेंटों के ख़िलाफ़ काफ़ी कम प्रभावी हैं।
यह किसी भविष्य के ख़तरे के बारे में अटकल नहीं है। एजेंट-संचालित ट्रैफ़िक पहले से ही आपके फ्रॉड लॉग में है, ज़्यादातर या तो "असली उपयोगकर्ता" या "परिष्कृत बॉट्स" के रूप में ग़लत लेबल किया हुआ। इस ट्रैफ़िक की संरचना बदल रही है। जो डिटेक्शन दृष्टिकोण टिके रहते हैं उनके लिए अधिकांश प्लेटफ़ॉर्म जो तैनात करते हैं उससे भिन्न आर्किटेक्चरल मॉडल की आवश्यकता होती है।
यह लेख उन सुरक्षा और उत्पाद नेताओं के लिए है जो यह समझने की कोशिश कर रहे हैं कि एजेंट-संचालित automation में वास्तव में क्या अलग है, यह फ्रॉड बचाव के लिए क्यों मायने रखता है, और इसके ख़िलाफ़ कौन से डिटेक्शन पैटर्न काम करते हैं।
फ्रॉड के संदर्भ में AI एजेंट असल में क्या है
"AI एजेंट" वाक्यांश का इस्तेमाल ढीले-ढाले ढंग से किया जाता है। फ्रॉड के संदर्भ में, सार्थक परिभाषा वह automation है जो तीन कसौटियों पर खरा उतरता है:
- निर्णय लेने के लिए हार्ड-कोडेड स्क्रिप्ट के बजाय किसी भाषा मॉडल (GPT-4, Claude, Gemini या समान) द्वारा संचालित।
- किसी असली ब्राउज़र वातावरण को चलाना — आमतौर पर Chrome, Firefox या Safari का कोई headless या headed इंस्टेंस, अक्सर ब्राउज़र automation के लिए डिज़ाइन किए गए क्लाउड इन्फ़्रास्ट्रक्चर पर चलता हुआ।
- अप्रत्याशित पेज स्थितियों — त्रुटि संदेश, लेआउट परिवर्तन, अतिरिक्त सत्यापन चरण — के अनुकूल ढलने में सक्षम, बिना किसी डेवलपर द्वारा स्क्रिप्ट अपडेट करने की आवश्यकता के।
यह संयोजन पुराने automation से गुणात्मक रूप से भिन्न है। किसी रिकॉर्ड किए गए मैक्रो का अनुसरण करने वाला स्क्रिप्ट-आधारित बॉट उसी क्षण विफल हो जाता है जब पेज बदलता है। एजेंट पेज पढ़ता है, समझता है कि वह क्या देख रहा है, और अपने दृष्टिकोण को समायोजित करता है। पहली पीढ़ी वैध उपयोग के मामलों (वेब शोध, accessibility परीक्षण, स्वचालित ब्राउज़िंग) के लिए बनाई गई थी। दूसरी पीढ़ी में ऐसे संचालक शामिल हैं जो इन उपकरणों को बड़े पैमाने पर फ्रॉड में लगाते हैं।
एजेंटों के ख़िलाफ़ पुराने डिटेक्शन संकेत क्यों कमज़ोर हैं
पारंपरिक bot detection टूलकिट उन संकेतों पर निर्भर करता है जो automation को इंसानों से अलग करते हैं। एजेंट प्रत्येक संकेत की ताक़त बदल देते हैं।
Behavioral संकेत। माउस मूवमेंट एंट्रॉपी, कीस्ट्रोक डायनामिक्स, स्क्रॉल पैटर्न। असली इंसानों में स्वाभाविक भिन्नता होती है — कँपकँपी, हिचकिचाहट, त्रुटि सुधार। स्क्रिप्ट-आधारित बॉट्स में या तो कोई भिन्नता नहीं होती (एकदम सीधी रेखाएँ, तत्काल फ़ॉर्म भरना) या ऐसी उत्पन्न भिन्नता होती है जो सांख्यिकीय रूप से पता लगाने योग्य है।
असली ब्राउज़र चलाने वाले एजेंट अधिक इंसान जैसे पैटर्न उत्पन्न करते हैं। वे असली ब्राउज़र के इनपुट सिमुलेशन का उपयोग करते हैं, जो अक्सर यादृच्छिक होता है। वे पेज "पढ़ने" में समय लेते हैं क्योंकि अंतर्निहित मॉडल को दृश्य या DOM सामग्री को संसाधित करने की आवश्यकता होती है। behavioral संकेत अब भी मौजूद है, लेकिन वह अधिक शोरयुक्त है और उसे निकालने के लिए अधिक परिष्कृत विश्लेषण की आवश्यकता होती है।
CAPTCHA। आधुनिक CAPTCHA-हल करने वाली सेवाएँ हमेशा से लगभग $0.001 प्रति चुनौती की दर पर बड़े पैमाने पर CAPTCHA को मात देने में सक्षम रही हैं। एजेंट इसे मूल रूप से करते हैं। सामान्य GPT-4o या Claude किसी छवि-आधारित CAPTCHA को देख सकता है और उच्च सटीकता के साथ पहचान सकता है कि कहाँ क्लिक करना है। एजेंटों के ख़िलाफ़ CAPTCHA का रक्षात्मक मूल्य लगभग शून्य है।
Velocity नियम। प्रति मिनट कार्रवाइयों पर तय सीमाएँ। स्क्रिप्ट-आधारित बॉट्स इन्हें आक्रामक रूप से उल्लंघन करते हैं क्योंकि गति के लिए अनुकूलन ही पूरा उद्देश्य है। एजेंट जानबूझकर धीमे हो जाते हैं क्योंकि उनका अंतर्निहित मॉडल मानव व्यवहार पर प्रशिक्षित है, जिसमें स्वाभाविक गति होती है। velocity नियम एजेंटों को केवल तभी पकड़ते हैं जब वे उच्च-मात्रा वाले संचालन के लिए कॉन्फ़िगर किए गए हों।
साधारण fingerprinting। कैनवास हैश, फ़ॉन्ट, User-Agent स्ट्रिंग की स्थिर सूचियाँ। असली ब्राउज़र चलाने वाले एजेंट इन सभी के लिए वैध मान उत्पन्न करते हैं। fingerprint सही दिखता है क्योंकि वह सही है — एजेंट असली ब्राउज़र का उपयोग कर रहा है, और ब्राउज़र वही रिपोर्ट कर रहा है जो वह वास्तव में है।
पैटर्न: "automation इंसानों से अलग दिखता है" पर आधारित संकेत तब कमज़ोर पड़ जाते हैं जब automation अधिक इंसान जैसा दिखने लगता है।
वे संकेत जो अब भी काम करते हैं
एजेंटों के ख़िलाफ़ डिटेक्शन के लिए ऐसे संकेतों की आवश्यकता होती है जिन्हें automation आसानी से छिपा नहीं सकता, चाहे सतही व्यवहार कितना भी इंसान जैसा क्यों न दिखे।
Network-layer सिग्नेचर। एजेंट आमतौर पर क्लाउड इन्फ़्रास्ट्रक्चर पर चलते हैं: AWS, GCP, Azure या विशिष्ट ब्राउज़र-automation सेवाएँ। IP रेंज पहचानने योग्य हैं। TCP/TLS fingerprints उपभोक्ता ISP से भिन्न होते हैं। सर्वर-साइड पर देखे जा सकने वाले संकेत अधिकांश एजेंट ट्रैफ़िक को पकड़ लेते हैं, चाहे क्लाइंट-साइड कुछ भी दावा करे।
विशेष रूप से browser-as-a-service उत्पाद चलाने वाले वेंडर (Browserbase, Anchor, Steel.dev और अन्य) के पहचानने योग्य network सिग्नेचर हैं। आवासीय ISP से आने वाले असली उपयोगकर्ता network layer पर क्लाउड वातावरण में चलने वाले एजेंटों से भिन्न दिखते हैं। 2026 में यह अकेला सबसे विश्वसनीय संकेत है।
सूक्ष्म device fingerprints। असली GPU ऐसे फ़्लोटिंग-पॉइंट पैटर्न उत्पन्न करते हैं जिन्हें पिक्सेल-परफ़ेक्ट नकली बनाना कठिन है। वर्चुअलाइज़्ड वातावरण और क्लाउड GPU इंस्टेंस थोड़े भिन्न पैटर्न उत्पन्न करते हैं। AudioContext fingerprinting भौतिक हार्डवेयर और वर्चुअलाइज़्ड हार्डवेयर के बीच ऑडियो प्रोसेसिंग में अंतर प्रकट करता है। रीयल-टाइम क्लॉक स्क्यू स्थानीय नेटवर्क पर उपभोक्ता डिवाइसों और उच्च-गुणवत्ता वाले NTP सर्वरों के साथ सिंक किए गए क्लाउड इंस्टेंसों के बीच भिन्न होता है।
प्रत्येक व्यक्तिगत संकेत छोटा है। 130+ प्रोब में संयुक्त होकर, वे एक सुसंगत तस्वीर उत्पन्न करते हैं: "यह असली उपभोक्ता डिवाइस जैसा दिखता है" बनाम "यह क्लाउड-होस्टेड ब्राउज़र वातावरण जैसा दिखता है, चाहे User-Agent कुछ भी दावा करे।"
Cross-session linking। एजेंट संचालन में अक्सर एक अंतर्निहित प्रणाली कई सत्रों को नियंत्रित करती है। भले ही प्रत्येक सत्र का एक अद्वितीय device fingerprint हो, सत्रों के बीच behavioral सहसंबंध (समान टाइमिंग पैटर्न, समान निर्णय-निर्माण, त्रुटियों के प्रति समान प्रतिक्रिया) समन्वय को प्रकट कर देते हैं।
सर्वर-साइड coherence जाँच। एजेंट किसी भी व्यक्तिगत संकेत की नक़ल कर सकते हैं। सभी संकेतों में coherence बनाए रखना नाटकीय रूप से कठिन है। यदि JavaScript वातावरण "macOS पर Chrome 120" का दावा करता है लेकिन network fingerprint AWS में किसी Linux सर्वर का संकेत देता है, तो यह ऐसी असंगति है जिसे क्लाइंट देख नहीं पाता और इसलिए ठीक नहीं कर सकता।
Polymorphic डिटेक्शन। क्लाइंट-साइड डिटेक्शन कोड जो रोज़ बदलता है, एजेंटों को उस पर पहले से प्रशिक्षण लेने की क्षमता से वंचित कर देता है। स्थिर प्रोब की रिवर्स-इंजीनियरिंग हो जाती है; घूमते रहने वाले प्रोब की नहीं।
आर्किटेक्चर पैटर्न: coherence जाँच के साथ संयुक्त कई कमज़ोर संकेत किसी एक मज़बूत संकेत को मात देते हैं। अकेले मज़बूत संकेत मात खा जाते हैं। उनके बीच coherence आवश्यकताओं के साथ पचास कमज़ोर संकेतों का संयोजन चोरी-छिपे बचने की कोशिश का कहीं अधिक समय तक प्रतिरोध करता है।
व्यवहार में एजेंट-संचालित हमले कैसे दिखते हैं
2026 के ट्रैफ़िक में हम तीन पैटर्न देखते हैं:
पैटर्न 1: खाता निर्माण फ़ार्मिंग। एजेंट बड़े पैमाने पर खाते बनाते हैं, ईमेल सत्यापन, KYC चरण और प्रारंभिक उत्पाद ऑनबोर्डिंग पूरा करते हैं। प्रत्येक खाता डाउनस्ट्रीम मूल्य निष्कर्षण के लिए बनाया जाता है: बोनस दावा, फ्री टियर का दोहन, एयरड्रॉप फ़ार्मिंग, कंटेंट स्क्रैपिंग। एजेंट वह काम करता है जिसके लिए पहले या तो भोंडी स्क्रिप्ट (आसानी से पकड़ी जाने वाली) या मानव श्रम (महँगा) की आवश्यकता होती थी।
वित्तीय इकाई अर्थशास्त्र हमलावर के पक्ष में है। एक एजेंट संचालन कमोडिटी क्लाउड इन्फ़्रास्ट्रक्चर पर $50 प्रति घंटे से कम में 1,000 एक साथ ब्राउज़र सत्र चला सकता है। प्रत्येक सफल खाते का कुछ मूल्य होता है (iGaming स्वागत बोनस के लिए €50–500, SaaS फ्री टियर के दोहन के लिए $10–100, क्रिप्टो एयरड्रॉप के लिए इससे कहीं अधिक)। प्रति खाता सीमांत लागत शून्य के क़रीब पहुँचती है जबकि सीमांत मूल्य सार्थक बना रहता है।
पैटर्न 2: अनुकूली तर्क के साथ credential stuffing। पुराने credential stuffing उपकरण ब्रूट-फ़ोर्स गति के साथ लॉगिन एंडपॉइंट पर क्रेडेंशियल जोड़ों की बौछार करते हैं। आधुनिक एजेंट-संचालित दृष्टिकोण अधिक सावधानी से परीक्षण करते हैं, CAPTCHA प्रकट होने पर उसे संभालते हैं, प्रारंभिक लॉगिन विफल होने पर रिकवरी फ़्लो पर जाते हैं, और आक्रामक बचाव को ट्रिगर करने से बचने के लिए प्रत्येक "सफल" क्रेडेंशियल को अधिक सावधानी से संभालते हैं।
प्रति क्रेडेंशियल सफलता दर पुरानी तकनीकों के समान है। डिटेक्शन की कठिनाई अधिक है क्योंकि एजेंट किसी ब्रूट-फ़ोर्स संचालन जैसा नहीं दिखता — वह सामान्य गति के साथ सामान्य लॉगिन प्रयासों की एक शृंखला जैसा दिखता है।
पैटर्न 3: प्रोमोशनल कोड दुरुपयोग और कंटेंट स्क्रैपिंग। सबसे धीमी गति वाले एजेंट हमले। एजेंट उत्पाद पेजों पर जाता है, प्रोमोशनल कोड लागू करता है, कीमतें कैप्चर करता है, कंटेंट कैप्चर करता है, बाहर निकल जाता है। प्रति IP मात्रा मामूली है। प्रति सत्र मात्रा छोटी है। संकेत सूक्ष्म है, लेकिन कुल लागत — प्रतिस्पर्धी बुद्धिमत्ता की हानि, प्रोमोशनल बजट की कमी, कंटेंट चोरी — महत्वपूर्ण है।
ये तीनों पैटर्न एक साझा रक्षात्मक चुनौती साझा करते हैं: प्रति-कार्रवाई सिग्नेचर इंसान जैसा दिखता है। डिटेक्शन के लिए या तो कई सत्रों में समग्र पैटर्न देखने की आवश्यकता होती है या उन गहरी परतों (network, हार्डवेयर, coherence) को देखने की जिन्हें एजेंट आसानी से नक़ली नहीं बना सकता।
आपकी टीम के लिए इसका क्या मतलब है
तीन अवलोकन जो प्लेटफ़ॉर्म के प्रकार से परे मायने रखते हैं:
अवलोकन 1: जिन bot detection स्कोर को आप ट्रैक करते रहे हैं वे वास्तविक ख़तरे को कम आँक सकते हैं। अधिकांश प्लेटफ़ॉर्म "bot traffic" को ऐसे संकेतों का उपयोग करके मापते हैं जिन्हें एजेंट ट्रैफ़िक ट्रिगर नहीं करता। कई प्लेटफ़ॉर्म में स्कोर घट रहा है या स्थिर बना हुआ है, इसलिए नहीं कि ख़तरा सिकुड़ रहा है बल्कि इसलिए कि माप नई श्रेणी को चूक रहा है।
अवलोकन 2: पुराने संकेत मॉडल पर बने वेंडर असुरक्षित हैं। यदि आपके डिटेक्शन वेंडर का मार्केटिंग प्राथमिक विभेदक के रूप में behavioral विश्लेषण पर ज़ोर देता है, तो कठिन सवाल पूछें कि उनका आर्किटेक्चर एजेंट ट्रैफ़िक को कैसे संभालता है। कई वेंडर इस श्रेणी पर महीनों या वर्षों पीछे हैं।
अवलोकन 3: सही आर्किटेक्चर कोई एकल परत नहीं है। अकेली network-layer डिटेक्शन आवासीय प्रॉक्सी इन्फ़्रास्ट्रक्चर पर चलने वाले एजेंटों को चूक जाती है। अकेली device-layer डिटेक्शन भौतिक हार्डवेयर पर चलने वाले एजेंटों को चूक जाती है। टिकाऊ आर्किटेक्चर परतों को coherence जाँच के साथ जोड़ता है।
इस संक्रमण को अच्छी तरह संभालने वाले प्लेटफ़ॉर्म एक पैटर्न साझा करते हैं: वे अपने डिटेक्शन को किसी तैनात उत्पाद के बजाय एक सतत क्षमता के रूप में मानते हैं। वे तिमाही आधार पर मापते हैं, मासिक रूप से नियमों को ट्यून करते हैं, और अपने डिटेक्शन वेंडर के साथ ऐसा रिश्ता रखते हैं जिसमें किसी स्थिर SaaS अनुबंध के बजाय सतत R&D शामिल होता है।
अगले 18 महीने
इस श्रेणी के विकसित होने के बारे में तीन भविष्यवाणियाँ:
भविष्यवाणी 1: एजेंट ट्रैफ़िक हिस्सेदारी बढ़ती है। 2025 में इकाई-अंकीय प्रतिशत से लेकर 2026 के अंत तक दो-अंकीय प्रतिशत की ओर। आर्थिक प्रोत्साहन विस्तार के पक्ष में हैं: एजेंट इन्फ़्रास्ट्रक्चर की लागत घटती जा रही है, एजेंट क्षमता सुधरती जा रही है, और स्वचालित फ्रॉड का मूल्य निवेश को आकर्षित करता रहता है।
भविष्यवाणी 2: विशिष्ट एजेंट प्लेटफ़ॉर्म उभरते हैं। सामान्य LLM-आधारित automation पहली लहर है। दूसरी लहर विशिष्ट फ्रॉड श्रेणियों के लिए ख़ास बनाए गए एजेंट हैं: बोनस फ़ार्मिंग एजेंट, credential stuffing एजेंट, एयरड्रॉप फ़ार्मिंग एजेंट। प्रत्येक अपने विशिष्ट उद्देश्य के लिए अनुकूलित है और सामान्य-प्रयोजन एजेंटों की तुलना में पता लगाना कठिन है।
भविष्यवाणी 3: रक्षक प्रतिक्रिया विशिष्ट आर्किटेक्चरल पैटर्न के इर्द-गिर्द समेकित होती है। cross-layer coherence जाँच और polymorphic क्लाइंट-साइड कोड के साथ मल्टी-लेयर डिटेक्शन मानक बन जाती है। जो वेंडर अगले 18 महीनों में यह आर्किटेक्चर नहीं देते, वे ऐसा करने वाले वेंडरों के मुक़ाबले अप्रतिस्पर्धी हो जाते हैं।
इस ख़तरे से आगे निकलने की खिड़की मोटे तौर पर वही 18 महीने की अवधि है। जो प्लेटफ़ॉर्म इस खिड़की के शुरुआती हिस्से में प्रभावी डिटेक्शन तैनात करते हैं, उनके लिए राह उन प्लेटफ़ॉर्मों की तुलना में आसान है जो तब तक इंतज़ार करते हैं जब तक एजेंट ट्रैफ़िक उनके ख़तरे की सतह पर हावी न हो जाए और फिर उन्हें पिछड़े ढंग से इसे लगाना पड़े।
Tracio कहाँ फ़िट होता है
एजेंट डिटेक्शन 2026 में Tracio के लिए प्राथमिक R&D निवेशों में से एक है। आर्किटेक्चर उन संकेत परतों को कवर करता है जो एजेंटों के ख़िलाफ़ टिकती हैं: network सिग्नेचर (ज्ञात क्लाउड-होस्टेड ब्राउज़र वातावरण सहित), device coherence जाँच (दावा किए गए वातावरण से परे वर्चुअलाइज़्ड हार्डवेयर को पकड़ना), behavioral बायोमेट्रिक्स (उप-मिलीसेकंड पैटर्न जो परिष्कृत एजेंटों को भी अलग करते हैं), और cross-customer संकेत साझाकरण (कई प्लेटफ़ॉर्म पर फैले समन्वित अभियानों को पकड़ना)।
Polymorphic JavaScript परत एजेंटों को स्थिर प्रोब के ख़िलाफ़ चोरी-छिपे बचने की तरकीबों पर पहले से प्रशिक्षण लेने की क्षमता से वंचित कर देती है। सर्वर-साइड निर्णय सभी संकेतों को एकीकृत करता है और 50 मिलीसेकंड से कम में ALLOW, CHALLENGE या BLOCK निर्णय देता है, साथ में तर्क संलग्न रहता है ताकि आपकी टीम सत्यापित और ट्यून कर सके।
तैनाती तेज़ है: पेज पर एक SDK, प्रत्येक महत्वपूर्ण निर्णय बिंदु पर एक सर्वर-साइड verify कॉल। फ्री टियर प्रति माह 2,500 सत्यापन कवर करता है — एक सार्थक पायलट चलाने और यह देखने के लिए पर्याप्त कि आपके ट्रैफ़िक में वास्तव में क्या है।
जानना चाहते हैं कि आपके ट्रैफ़िक का कितना प्रतिशत एजेंट-संचालित है?
अपना मुफ़्त ट्रायल शुरू करें
— 2,500 सत्यापन मुफ़्त, कोई क्रेडिट कार्ड नहीं।
डेमो बुक करें
ताकि आपकी विशिष्ट ख़तरे की सतह पर चर्चा हो सके और आपके प्लेटफ़ॉर्म पर एजेंट ट्रैफ़िक का आधारभूत अनुमान मिल सके।