Question

如何利用管理手段防止数据爬虫的滥用

Answer 1

问：如何利用管理手段防止数据爬虫的滥用

答：亲你好，网络爬虫分为两种，一种是善意爬虫，例如百度、Google等搜索引擎的爬虫，另一种是恶意爬虫，它可能会利用网站漏洞，非法窃取网站数据，或者爬取网站内容，占用服务器资源。恶意爬虫的行为是我们所深恶痛觉的，必须想尽办法予以过滤和阻断。网站或者某一些网页不想被诸如百度、Googl等善意爬虫爬取时，我们也希望能采取一些措施。

答：亲你好，针对善意爬虫，几乎所有的搜索引擎爬虫，都会遵守robots协议，只要我们在网站的根目录下存放一个ASCII编码的文本文件，告诉搜索引擎哪些页面不能爬取，搜索引擎的蜘蛛便会遵照协议，不爬取指定页面的内容。但是robots并不是一个规范，而是一种君子协议，它只对善意爬虫有效，并不能防止恶意爬虫。针对恶意爬虫，我们可以采取以下措施来识别和阻断它。

答：亲你好，1.限制User-Agent字段User-Agent字段能识别用户所使用的操作系统、版本、CPU、浏览器等信息，如果请求来自非浏览器，就能识别其为爬虫，阻止爬虫抓取网站信息。User-Agent字段虽然有效，但对于精心构造的爬虫来说，效果并不好。攻击者可以通过在恶意爬虫请求的User-Agent字段中带上baidu字符，伪装成百度爬虫绕过这一规则，无法被拦截。2.限制IP限制IP是最常见的手段之一，为了效率，恶意爬虫的请求频率往往比正常流量高，找出这些IP并限制其访问，可以有效降低恶意爬虫造成的危害。不过限制IP也有自己的缺点，容易误伤正常用户，攻击者可以通过搭建IP池的方法，来解决这个问题。3. 添加验证码在登录页等页面，添加验证码，以识别是正常流量还是恶意爬虫，也是一种基本的操作。不过如今爬虫技术，早已能解决验证码的问题，例如二值化、中值滤波去噪等等。4.Cookies限制根据业务需求，可对Cookies进行限制，要求用户登录后才能使用某些功能或权限，并针对同一账号的访问速度进行限制。5.使用爬虫管理产品可以使用防火墙产品，能够有效防范爬虫，比如阿里云

问：你确定这是管理手段？

答：亲你好，反爬虫阵营:最直接简单的办法，其实是使用具有反爬虫功能的WAF。这里讲的反爬虫功能可不是封IP这种老办法。爬虫技巧虽多，但现在的WAF反爬虫能力，也是相当给力的。比如ShareWAF，具备很强大的反爬虫能力，比如前面讲到爬虫有5大技巧，而ShareWAF，同样有五种反爬虫手段：ShareWAF反爬虫手段1：封IP。呵呵，虽然刚刚讲封IP是种低级的爬虫对付办法，但做为WAF还是保留了这个手段。ShareWAF反爬虫手段2：爬虫识别根据User-Agent，也是会阻拦一批爬虫。ShareWAF反爬虫手段3：网页源码加密爬虫获取信息，很多时候是需要从网页源码中获取链接信息的，ShareWAF的网页源码加密功能，可以直拦阻止这类爬虫。ShareWAF反爬虫手段4：网页链接隐藏ShareWAF的前端WAF功能，可以隐藏网页中的链接（注：是浏览器解析后的，并非网页源码），又进一步断了一条爬虫获取信息的路子。ShareWAF反爬虫手段5：动态令牌对于关键链接，用停牌保护，每次访问（包括爬虫的访问）都需要带有正确的令牌，否则会被阻止。五种爬虫技巧，五种反爬手段