F5台灣區資深技術顧問陳廣融指出，線上服務接下來必須強化的重點，在於排除惡意機器人程式，確保只有合法用戶才得以存取應用服務，以免詐欺組織、爬蟲工具佔用過多資源，影響顧客的消費及使用體驗。
以全球最大的電子商務網站亞馬遜為例，每天有幾十億的會員登入，詐欺者會利用自動化攻擊工具來嘗試破解會員帳密。對於爬蟲抓取網頁，則須依據產業特性來判定為惡意或善意，尤其是電子商務網站，多數不排斥讓比價網站等第三方應用服務抓取網頁資料。問題是如何判斷善意或惡意？陳廣融指出，可藉由F5旗下的Shape Security來保障線上服務的流程，防範詐欺、暴力破解帳密等攻擊活動。
陳廣融說明，Shape Security是F5於2020年收購取得的技術，原始設計理念在於建構通用的防禦框架，從識別到緩解非預期的機器人流量，進一步分析判斷詐欺者或正常用戶，最終目的是提高用戶體驗、確保企業營運服務收入。
Shape防護機制是針對常見被攻克的環節，也就是新增帳戶與登入頁面，整體框架中涵蓋Shape Enterprise Defense精準地掌握機器人動向、基於Shape AI Fraud Engine（SAFE）即時識別詐欺、Shape Recognize減少對實際顧客造成的不方便。SAFE採用的是閉環式（Closed-loop）機器學習方法，可隨著蒐集取得的資料改進模型，持續優化演算產生的洞察力，達到即時偵測並阻斷詐欺。Shape Recognize用以遏制攻擊者嘗試登入的行為，經過精準辨識過濾排除惡意，可降低正常用戶需透過複雜多因素身分驗證的不方便。
Shape Enterprise Defense負責詐欺攻擊的檢測、監控、緩解，藉由解析用戶端瀏覽器與App產生的資料，可即時偵測判斷詐欺行為。當用戶端發起存取連線請求時，會在網路封包中埋入獨特的識別碼，先遞送到Shape Appliance經過機器學習演算模型解析判斷，合法流量再導向目的地應用服務。較特別的是，Shape設立資安監控中心可持續判讀Shape Appliance分析結果產生的風險指數，並且即時撰寫指令派送執行緩解詐欺攻擊，才可達到精準地回應各式手法的威脅。
精準地回應各式手法的威脅。
針對機器人檢測方法，可在網頁程式中埋入Shape JavaScript，或是在開發App階段採用Mobile SDK，排除安全憑證、個資（PII）、網頁內容、地理位置等隱私相關資訊，蒐集取得的網路封包、裝置環境、使用者操作行為，三種指標資料綜合解析判斷。