2026年11月13日(星期五)美東時間下午3時54分,美國境內所有航班停止起飛。根據 CNBC 引述 Cirium 的數據,當天下午4時後原訂仍有約11,000架次航班起飛,預計搭載約 150萬名旅客。CNBC
天空中的航班停了下來,但網際網路服務不能停擺。
短短幾分鐘內,大量查詢航班動態及重新訂位的需求湧入航空公司網站與App。事件發生後第一個小時,Akamai 平台上主要航空公司的邊緣流量達前一天同時段的1.4 倍;到了美東時間晚上 8 時,更攀升至 1.8 倍。週六的流量仍比一般週六高出約50%。
這次航班停飛並非由網際網路引起,因為空中交通管制系統使用獨立的專用網路。然而,當該網路發生故障,航空公司的App 與網站就成為旅客與航空業者之間最重要的溝通管道。
數位韌性的實際展現
這正是數位韌性的具體意義:在使用者最需要服務的時刻,即使面對未曾預期的需求暴增,系統仍能有效承載流量,不致效能下降或服務中斷。Akamai的分散式平台每天都為航空公司與其他旅遊業者提供這項能力。11月13日,當主要航空公司透過 Akamai平台傳遞的網站流量急速增加時,伺服器錯誤率仍維持低檔,未超過一般週五的水準。
以下將說明這波流量激增的實際情況、旅客的搜尋行為,以及這些觀察對因應下一次服務中斷事件的啟示。
事件經過
美國聯邦航空總署(FAA)自美東時間下午3時54分至晚上8時15分,暫停全美所有航班起飛。初步調查指出,阿肯色州埃爾多拉多(El Dorado)一處站點新安裝的路由器,向空中交通管制網路傳送大量資料,導致網路異常。這套網路與公眾網際網路相互獨立。
| 觀察重點 |
|---|
2026 年 11 月 13 日全美航班全面暫停起飛後的一小時內,航空公司網站流量增加40%,並在停飛限制解除時達到最高峰。
旅客立即湧向航班動態查詢與重新訂位功能;行程變更請求量增加至三倍以上。
在人類使用者流量激增的同時,AI 助理也加入查詢航班動態的行列。
自動化機器人也湧向相同端點,安全防護機制有效控制這類流量。
各網站在尖峰期間仍維持正常服務;流量高峰直到隔天仍清楚可見。
突發需求帶來的流量衝擊
停飛命令發布後幾分鐘,也就是下午4時至5時之間,航空公司的邊緣流量就升至前一天(週四)同時段的1.4倍,之後又持續攀升了四個小時(圖 1)。

圖 1:2026年11月13日(週五)與11月12日(週四)同時段的每小時邊緣請求量比較;美東時間上午 6 時至午夜。
週五晚間與週四相同時段相比,觀察結果如下:
停飛限制解除之際,美東時間晚上8時至9時的航空公司整體流量達到最高峰,為前一天的 1.8 倍;當天最後一小時仍達 1.5 倍。
各航空公司個別流量高峰為前一天的 1.6 至 2.2 倍。
流量最高的時段為下午 6 時至 7 時,請求量達週四尖峰時段的 1.5 倍。
兩家航空公司的行動版服務主機名稱(hostname)流量成長最快,下午 4 時至晚上 9 時分別達前一天的 2.0 倍與 1.7 倍。
機上 Wi-Fi 入口網站的流量則降至週四約三分之一。
需求高峰在停飛結束後仍持續超過一天。週六美東時間上午 7 時至晚上7時,航空公司整體流量為前三個週六相同時段平均值的 1.48 倍;各航空公司的增幅則介於 1.30 至 1.61 倍。
旅客搜尋了哪些資訊?
其他平台的流量也同步增加。週五美東時間下午 5 時至 6 時,美國 Google「flight status(航班動態)」搜尋量為週四同時段的 4.7 倍(圖 2)。「ground stop(全面暫停起飛)」的搜尋熱度則在命令發布後幾分鐘、也就是下午 4 時至 5 時達到高峰。(資料來源:Google Trends,美國地區,2026年11月15日擷取的最近七天資料;查詢組別包括 flight status、ground stop、alternatives 與 cyberattack。)

圖 2:Google Trends(trends.google.com)美國地區最近七天的每小時搜尋趨勢,資料擷取日期為 2026年 11 月 15 日;Amtrak 與租車搜尋趨勢由另一組同樣包含 flight status 的查詢進行比例調整。
搜尋資料還呈現另外三項值得注意的現象:
替代交通方案:美國國鐵「Amtrak」的搜尋量增加約 10 倍,於美東時間晚上 8 時達到高峰;「rental car(租車)」的搜尋量則在下午 5 時增加至接近 3 倍。
是否發生網路攻擊?下午 5 時至 7 時,「cyberattack(網路攻擊)」的搜尋熱度從幾乎為零,上升至「flight status」搜尋熱度峰值的 13%;官方表示沒有遭受攻擊的跡象後,相關搜尋熱度隨即下降。
隔天上午:週六美東時間上午 6 時,「flight status」搜尋熱度再次攀升,達週四同時段的7.1倍,反映旅客持續確認重新安排的航班。
「flight status」相關的快速攀升搜尋詞包括「faa flight status」與「faa updates」(皆屬爆發性成長),以及「faa flight delays」(增加3,200%),顯示旅客轉而將 FAA 視為主要資訊來源。
旅客實際採取哪些行動?
根據 Akamai對主要航空公司的分析,提供航班動態查詢與行程異動處理的端點(endpoint),其請求量增幅最大(圖3)。

圖 3:Akamai Web Security Analytics 分析主要北美航空公司面向客戶的網站與 API端點,依交易功能分類(航班動態;變更、取消與重新訂位;登入;退款),比較 2026 年11 月 13 日(週五)與 11 月 12 日(週四)美東時間下午 4 時至晚上 9 時的請求量。經安全防護處置(mitigated)係指依阻擋惡意自動化活動的安全政策,對請求進行拒絕、驗證挑戰、延遲處理(tarpitting)或限速。
各航空公司按功能分類的請求量,以以下項目增幅最為顯著:
航班動態:整體請求量增加至 2.6 倍,個別航空公司介於 2.0 至 6.6 倍。
變更、取消與重新訂位:整體請求量達 3.5 倍,個別航空公司介於 2.8 至 15 倍。其中一家航空公司行動報到 API 的改票及重新安排旅程相關路徑,請求量達 5.2 倍。
登入:整體請求量達 1.2 倍。
退款:請求量相對較少,各航空公司變化不一,介於原有流量的 0.85 至 4.3 倍。
服務傳遞與使用者體驗
部分航空公司在網站應用程式前端部署了 Akamai Visitor Prioritization。這項服務就像來源伺服器(origin
server)的緩衝器:當需求超過航空公司設定的處理容量時,Visitor Prioritization 會將超出容量的訪客導向採用航空公司品牌識別的虛擬等候室,並隨著系統釋出容量逐步放行。旅客因此會看到有明確說明的短暫等候畫面,而不是錯誤頁面或沒有回應的網站。
美東時間下午 4 時至晚上 9 時,這些航空公司經由 Visitor Prioritization 處理的流量為週四的 1.42 倍,並在晚上 8 時至 9 時達到高峰。晚上 9 時後流量雖逐漸回落,但直到午夜仍明顯高於週四水準。圖 4 所示的兩家航空公司網站,在尖峰期間均持續提供旅客服務。

圖 4:根據 Akamai Visitor Prioritization 資料,比較兩家北美主要航空公司 2026年11月13日(週五)與 11 月 12 日(週四)的每小時總請求量;原文圖說標示美東時間上午 6 時至下午 6 時。
流量高峰中的 AI 代理程式
旅客也開始使用 AI 助理查詢資訊。AI 代理程式(AI agent)流量的上升時間比航空公司整體流量稍晚,但一路維持在前一天的 1.5 至 1.7 倍,直到午夜(圖 5)。

圖 5:依 Akamai 邊緣內容傳遞日誌(航空公司邊緣流量及流量顯著增加的主機名稱)與 Akamai Web Security Analytics(AI Fetchers and Agents 機器人分類),比較 2026 年 11 月 13 日(週五)與 11 月 12 日(週四)美東時間上午 6 時至午夜,北美主要航空公司整體的流量。
美東時間下午 4 時至晚上 9 時,個別航空公司的 AI 代理程式流量介於前一天的 1.14 至 1.80 倍。AI 代理程式對航班動態端點的請求量增幅高於這些端點的整體請求量(4.4 倍對比 2.6 倍;圖 6)。在流量較大的 AI 代理程式之中,ChatGPT Agent 的成長幅度最高,較週四增加 39%(圖 7)。

圖 6:根據 Akamai Web Security Analytics,以面向客戶的主機名稱中 URL 路徑關鍵字比對請求,比較「AI Fetchers and Agents」類別與所有請求量;2026 年 11 月 13 日(週五)對比 11 月 12 日(週四),美東時間下午 4 時至晚上 9 時,北美主要航空公司合計。

圖 7:根據 Akamai Web Security Analytics,以 Akamai 識別的機器人名稱區分「AI Fetchers and Agents」類別;比較 2026 年 11 月 13 日(週五)與 11 月 12 日(週四),美東時間下午 4 時至晚上 9 時,北美主要航空公司合計。
趁勢而入的機器人攻擊鎖定交易端點
自動化流量也跟著旅客湧向相同的端點。週五各航空公司航班動態端點遭安全措施攔阻或處置的請求量,較週四增加至2.1 倍;變更、取消與重新訂位端點則達 3.8 倍。服務中斷事件往往吸引這類活動。當航空公司大量發放補償與辦理退款時,登入、重新訂位及退款流程就更容易成為攻擊目標;與此同時,合法流量激增也讓惡意自動化請求更難辨識。
圖 8
分析兩家航空公司:其中一家觀察航班動態與行程變更,另一家則觀察登入與退款。圖中所有路徑遭阻擋的請求量均有增加,以退款相關路徑的增幅最大。

圖 8:根據 Akamai Web Security Analytics,依 URL 路徑關鍵字比對請求,比較 2026 年 11 月 13 日(週五)與 11 月 12 日(週四)美東時間下午 4 時至晚上 9 時的情況。「遭阻擋」包含依安全政策遭拒絕、驗證挑戰、延遲處理(tarpitting)或限速的請求;航班動態數據來自一家航空公司的網站主機名稱,其餘功能則涵蓋另一家受觀察航空公司所有面向客戶的主機名稱。
為無法預期的流量高峰做好準備
突發事件可能在短短幾分鐘內將需求轉移至線上,且高負載可能持續超過一天。Akamai 透過以下方式協助航空公司與旅遊平台維持服務可用性:
吸收突發流量:透過全球分散式邊緣網路,在靠近旅客的位置提供服務,避免突如其來的需求演變為系統中斷。當需求超過來源伺服器承載能力時,Visitor Prioritization 可提供具品牌識別的虛擬等候室。
保護旅客最仰賴的服務流程:運用 API 與機器人防護機制阻擋惡意自動化活動,確保航班動態查詢、重新訂位及登入功能持續運作。
即時掌握異常變化:透過即時流量監控與安全分析,在流量剛開始暴增時就掌握情況,及時採取因應措施。
Akamai 為全球航空公司與旅遊平台提供數位服務傳遞與安全防護。2026 年 11 月 13 日,儘管航空交通全面停擺,Akamai 所支援的數位服務仍成功承載遠高於平常的流量,持續為旅客提供服務,且伺服器錯誤率維持正常水準。
在下一次突發事件發生前做好準備
Akamai Threat Intelligence Service(ATIS,威脅情資服務)可為您的團隊提供簡報與分析,說明攻擊者在突發事件期間可能鎖定的目標。
如需強化旅客最仰賴的服務流程,歡迎洽詢 Akamai 客戶團隊,進一步了解 Visitor Prioritization Cloudlet、Akamai App & API Protector 及 Akamai Bot Manager。
若需更多相關實務建議,請參閱 Akamai 部落格關於流量尖峰成因剖析,以及如何因應超出可預測旺季的流量需求等文章。