因而前端網頁程式廣泛地運用圖形驗證碼（CAPTCHA）等機制來判斷是真人操作或機器人（Bot）程式所為，例如Google服務為了精準辨識，要求使用者選取紅綠燈、公車等類型的街景相片，來證明「我不是機器人」，即是為了防堵惡意機器人發動憑證填充等滲透攻擊。
問題是，豐厚的非法利益正驅動著攻擊手法不斷變換更新，Shape Security近期發現最新威脅趨勢，駭客已演進到採用即時網路釣魚代理（Real-Time Phishing Proxy，RTPP）工具。盧秉權以日前多起偽冒銀行詐騙簡訊舉例，共通的特性都是當用戶點選內文連結，導向詐騙者模仿該銀行官網風格精心設計的釣魚網頁，讓用戶降低警覺心，進而輸入銀行帳密資料。此時，立即觸發RTPP工具事前撰寫的腳本，由機器人程式幫用戶把資料「代為」輸入到真實網站執行登入，讓用戶取得OTP（動態密碼），同時釣魚網頁也切換成等待輸入驗證碼的畫面，遂行盜取用戶銀行帳戶內存款。
盧秉權認為，遏制防不勝防的詐騙手法，唯有持續不斷地學習與理解攻擊活動樣貌，企業才得以跟進調整防護機制，執行有效抵禦。其首要關鍵在於蒐集大數據，藉此建立使用者行為（UBA）模式，深入分析操作輸入帳密、註冊資料的動作，以及偵測鍵盤與滑鼠移動的邏輯，來判斷是否為機器人程式所為。
Shape Security擅長於運用機器學習與人工智慧（AI）識別詐欺意圖，將應用服務操作產生的資料餵入演算模型分析，較以往採用特徵值偵測比對，可更加精準地判讀帳密登入、註冊為會員、購物車付款等操作，究竟是正常用戶或機器人程式，並且先行過濾阻擋降低潛在風險，確保數位化應用服務觸及目標客群，讓創意行銷活動達到實質效益。
先行過濾阻擋降低潛在風險，確保數位化應用服務觸及目標客群，讓創意行銷活動達到實質效益。
為了協助台灣積極發展數位化應用的企業，釐清對外營運的網站流量中，正常用戶與機器人程式的行為模式，台灣F5提供了「機器人阻擊急救」免費體檢服務。盧秉權說明，只要在企業內部虛擬化平台上掛載SPDT（Shape Passive Detection Tool），即可採以非侵入式手段擷取網路流量封包，經過解析後獲取資料，整體運行不會影響到既有應用系統運行。SPDT演算模型分析後可產生出不同維度的報告，例如正常用戶與機器人流量的比例、惡意機器人攻擊的狀態等科學化數據，F5資安專家即可藉此提出改善與緩解攻擊的建議，增強數位化應用場景防護體質。