网站怎么知道你是机器人

你打开一个网站，还没点任何东西，Cloudflare 那个转圈的框已经决定放你过去了。它凭什么？答案是一堆各自都不太靠谱的小信号，加权之后变成一个够用的判断。本站的 Bot 检测卡片用的是同一类信号里最稳的几条，下面挨个说它们的来历。

三种结果

风控系统通常把访客分成三类。搜索引擎的爬虫（Googlebot、Bingbot、百度蜘蛛）和监控探针是"好机器人"，它们公开自报家门，反向 DNS 能验证，站点一般欢迎。Selenium、Puppeteer、Playwright 驱动的脚本，以及冒充搜索引擎的爬虫，是"坏机器人"——刷号、撞库、薅羊毛、抓数据，站点想拦的是这些。剩下的是"疑似人类"。

注意措辞是"疑似"。没有任何信号能证明屏幕前坐着一个人，系统只能说"这个环境看起来不像被脚本控制"。

navigator.webdriver

这是最直接的一条。W3C WebDriver 规范要求：浏览器处于自动化控制下时，navigator.webdriver 必须为 true。Selenium、Playwright、Puppeteer 启动的浏览器默认都满足这条，所以检测代码只需要一行。

当然，做爬虫的人第一件事就是把它去掉。各种 stealth 插件会用 Object.defineProperty 覆盖它，或者在启动参数里禁掉。但去得不干净会留下新痕迹：Object.getOwnPropertyDescriptor(navigator, 'webdriver') 本来应该返回 undefined（属性定义在原型上），被覆盖后会返回一个描述符；重写过的 getter 调 toString() 得到的不再是 function get webdriver() { [native code] }。于是检测从"有没有这个标志"变成了"这个标志是不是被人动过"。

Chrome 独有的东西不见了

正常的桌面 Chrome 有几样东西几乎总在：window.chrome 对象（里面有 runtime、loadTimes 之类），navigator.plugins 里的三到五个内置插件（PDF Viewer、Chromium PDF Plugin 等），以及一个非空的 navigator.languages。

早期的无头 Chrome 缺 window.chrome，插件列表是空的，语言列表也可能是空的。UA 里干脆写着 HeadlessChrome，PhantomJS 时代更是直接自报名字。这些是最早一批检测手段，也是最早被修掉的——新版无头模式（--headless=new）已经和有头 Chrome 几乎无法区分了。

但插件数这条要小心：Chrome 移动端本来就是零插件，Firefox 早已不暴露插件列表。所以"插件数为 0"只在"桌面 Chrome 自称"这个前提下才算信号，否则纯属误报。本站真实性评分里这条只扣 5 分，就是这个原因。

窗口尺寸和权限的自相矛盾

无头环境没有真正的窗口，所以 window.outerWidth 和 outerHeight 常常是 0，或者和 innerWidth/innerHeight 的关系不合常理——比如内容区比外框还大，或者 screen.availWidth 大于 screen.width。真人用的浏览器不会这样。

另一个经典矛盾来自通知权限：Notification.permission 返回 denied，同时 navigator.permissions.query({name: 'notifications'}) 却说是 prompt。这两个 API 在正常浏览器里答案一致，只有在某些无头配置下才会打架。

CDP 痕迹

Puppeteer 和 Playwright 通过 Chrome DevTools Protocol 控制浏览器，而协议一旦挂上，就会有副作用。最有名的一种：DevTools 在序列化 Error 对象时会读取它的 stack 属性。检测脚本可以造一个 Error，给 stack 装一个 getter，然后把它扔进 console.debug()——没有 DevTools 时 getter 不会被触发，有 CDP 挂着时就会。类似地，Runtime.enable 会在页面里留下可以探测的执行上下文变化。

这类检测原理巧妙，但也是误报重灾区：你自己按 F12 打开开发者工具，一样会触发。所以本站只用其中最不容易出错的几条，而且明确标注"仅供参考"。反检测工具那边也在跟进——新版 Puppeteer 和一些补丁会避免 Runtime.enable，攻防在持续。

行为和网络：脚本之外的信号

到目前为止说的都是 JS 环境里的静态特征。真正的风控大头在另外两块。

先说行为。真人的鼠标轨迹是弯的、抖的，会 hover，会犹豫；脚本从 A 点直线到 B 点，点击间隔精确得像节拍器。键盘输入的节奏、滚动的加速度、页面停留时间，也都能拿来比。

再说网络。数据中心 IP（AWS、Google Cloud、各家 VPS）上跑着一个"普通用户"，本身就不自然，参见IP 质量那篇。更狠的是 TLS 指纹：Python 的 requests 库握手时的 cipher suite 顺序、扩展列表（JA3/JA4 指纹）和 Chrome 完全不同，配上一个 Chrome 的 UA，在 TLS 层就露馅了，JS 都不用跑。

怎么把它们合起来

上面每一条单独拿出来都能找到反例。webdriver 可以被去掉，插件数可以被伪造，鼠标轨迹可以加噪声，住宅代理能换掉数据中心 IP。所以 Turnstile、reCAPTCHA v3、各家风控 SDK 做的不是逐条判断，而是给每条信号打权重、看信号之间是否互相印证，再加上大规模数据训练出来的模型，最后输出一个分数。分数高直接放行，中间挑战一下（转圈、点图片），低的拦掉。

这也是为什么"绕过检测"总是一场军备竞赛：修掉一条信号，其他信号的权重就上去了。

误报：被当成机器人的正常人

反过来，真人也会被冤枉，常见的就这么几种。

• 装了隐私扩展的人：扩展会改 navigator 属性、屏蔽 canvas、清空插件列表，这些改动本身就像伪装。
• 企业电脑：组策略禁用插件、锁定语言、统一虚拟化环境，一批机器指纹完全相同。
• 老旧或小众浏览器，以及 Linux 桌面：样本少，模型见得少，不确定性高。
• 开着 DevTools 调试的开发者：CDP 类检测全部命中。

所以本站的检测卡片不给一个简单的"是/否"，而是把触发了哪些信号一条条列出来。看到列表你就知道是哪个扩展、哪个设置惹的，不用对着一个红叉发愁。

常见问题

我不写爬虫，为什么要关心这个？ 因为误报会落到你头上。装了隐私扩展、用着 VPN 出口、跑着 Linux，三条叠加就足够让不少站点频繁弹验证码。知道是哪条信号触发的，才能有针对性地调整。

把 navigator.webdriver 改掉就够了吗？ 不够，而且改得不干净反而多了一条"被篡改"的信号。现代检测看的是整体一致性，不是某一个标志。

本站的 Bot 检测会不会把我的数据发到别处？ 不会。所有检测在浏览器本地完成，只有你勾选参与统计时才会上传属性哈希，不含原始值。