引言
如果您仔细分析过任何一个网站的请求日志，您肯定会发现一些可疑的流量，那可能就是爬虫流量。根据Imperva发布的《2023 Imperva Bad Bot Report》在2022年的所有互联网流量中，47.4%是爬虫流量。与2021年的42.3%相比，增长了5.1%。在这些爬虫流量中，30.2%是恶意爬虫，比2021年的27.7%增长了2.5%。
![]()
从国内外公开的数据中可以得出，恶意爬虫几乎出现在各个行业，无论是传统行业、泛互联网，还是政企、金融等，都各种程度遭受着爬虫的攻击，并且爬虫流量还在逐年增长。
大部分正常的爬虫可以帮助我们提高生产力，而恶意的爬虫不仅会造成数据泄漏还会影响正常用户体验。合适的反爬服务可识别恶意爬虫并拦截，京东云WAF的BOT管理提供了多种爬虫防护功能。
恶意爬虫的危害
爬虫（Web Crawler），又称网络爬虫、网络蜘蛛、网页蜘蛛，是一种自动化程序或脚本，用于在互联网上自动地获取网页内容，并从中提取信息。
爬虫分为合法爬虫和非法爬虫或恶意爬虫。合法爬虫是遵守网络道德和法律规定，以合法、合规和友好的方式运行的网络爬虫。这些爬虫在进行数据采集和信息获取时，遵循网站的robots.txt协议，尊重网站的隐私政策和使用条款，以及遵守相关的法律法规。合法爬虫的目的通常是为了收集网站上公开可见的信息，并且爬取的频率和速率是合理且可控的。这些爬虫的使用符合网站的访问规则，不会对网站造成严重的带宽压力或资源浪费。例如平时我们用的百度、必应等搜索引擎就离不开爬虫，搜索引擎爬虫每天会在网络上爬取大量的网页进行分析处理收收录，当用户通过关键词搜索时，就会按照一定的排序把相关的网页快照展现给用户。
恶意爬虫是一类不遵守网络道德和法律规定，以非法、破坏性或有害的方式运行的网络爬虫。这些爬虫通常不遵循网站的 robots.txt 协议、不尊重网站的隐私政策，以及不遵守网站的使用条款和服务协议。恶意爬虫的目的可能包括但不限于：
- 漏洞探测：攻击者利用爬虫程序扫描网站寻找漏洞，利用漏洞可实现网站提权安装后门等。
- 数据盗取：攻击者部署爬虫非法的方式获取网站的敏感数据、个人信息、商业机密等，可用于欺诈、垃圾邮件、身份盗窃等不良用途。
- 刷票、薅羊毛：攻击者通过爬虫程序抢优惠券、秒杀商品等，影响活动效果。密码撞库：大规模暴力破解或撞击密码，获取用户账户的访问权限，对网站用户的账户安全造成严重威胁。
- 暴力破解：攻击者利用大规模僵死网络，高速、大规模攻击网站，导致服务器过载、带宽浪费，影响网站的正常运行。
综上，恶意爬虫对网站和企业影响严重，轻则影响网站正常运行重则影响企业正常运营。因此，通过部署反爬服务阻止恶意爬虫请求，保护网站免受威胁非常重要。京东云WAF Bot管理提供了多种爬虫防护手段，可有效帮你应对各种爬虫。
恶意爬虫防护——京东云WAF Bot管理
京东云WAF Bot管理支持对爬虫程序进行甄别分类，并采取针对性的流量管理策略，例如，放行搜索引擎蜘蛛流量，对恶意爬取商品信息、秒杀价格、库存信息等核心数据进行阻断，还可以应对恶意机器人程序爬取带来的资源消耗、查询业务数据等问题。
京东云WAF提供了常见爬虫UA库，提供11大类上百种商业爬虫防护，可快速高效拦截这类爬虫。
京东云WAF提供了恶意IP惩罚，结合Web攻击防护利用大数据算法，可及时识别并拦截恶意IP扫描行为，有效防护漏扫描、文件遍历等爬虫行为。
京东云WAF反爬虫引擎利用算法和模型自动学习并分析网站请求流量，提供了宽松、正常、严格3种等级的防护模式，并支持配置配置观察、人机交互、拦截返回自定义页面等，可有效防护数据类爬虫和刷券类爬虫。
京东云WAF提供了账户安全，通过提取请求中的账号和密码自动分析，可有效防护弱密码探测、暴力破解和撞库攻击。
京东云WAF提供了IDC威胁情报，可拦截云上有过恶意行为的IP访问；伪造蜘蛛情报，可拦截伪装成搜索引擎蜘蛛的爬虫请求。
京东云WAF提供了伪造UA评分，可识别恶意爬虫伪装成浏览器的请求行为。
京东云WAF提供了自定义BOT规则，支持多种条件叠加、同时还可以叠加前端技术、叠加威胁情报，结合多维度频次统计，可灵活支持多种业务场景下的爬虫行为，为攻防对抗提供了可配性。
2023年H1，京东云WAF帮助云上多个客户防护了上亿次爬虫攻击，攻击的峰值QPS达到20W+/s。攻击的手段和目的也多种多样，有挂小区基站IP池的、有伪装成正常用户的、有常态化扫描探测的、有刷优惠券的、有刷特价商品的、有爬商品价格的。
前段时间云WAF有个客户发优惠券，刚开始的时候刷子利用公有云的函数服务和云主机刷券，客户开启云WAF的IDC威胁情报轻松应对；刷子升级了策略使用了小区基站IP池伪装成Chrome浏览器用户大量的请求优惠券接口，指导客户开启了反爬虫引擎并配置了自定义Bot规则，平时的峰值QPS只有2K，发券时候峰值QPS打到了11W。5分钟进来1405W请求，云WAF拦截了1401W。其中被反爬虫引擎识别了59%，被自定义BOT规则拦截了38%，被威胁情报拦截了3%，识别并拦截恶意爬虫率达到99.7%。
总结
互联网上一半的流量来自于爬虫，如果您的网站没发现爬虫行为或者您的网站正遭受恶意爬虫攻击，那么您可以试试云WAF的爬虫管理，不仅可以帮您发现爬虫行为还可以帮您防护爬虫攻击。详细可以参考：官网文档。
作者：京东科技 李文强
来源：京东云开发者社区 转载请注明来源
