使用WAF阻止爬虫攻击
应用场景
网络爬虫为网络信息收集与查询提供了极大的便利，但同时也对网络安全产生以下负面影响：
- 网络爬虫会根据特定策略尽可能多地“爬过”网站中的高价值信息，占用服务器带宽，增加服务器的负载
- 恶意用户利用网络爬虫对Web服务发动DoS攻击，可能使Web服务资源耗尽而不能提供正常服务
- 恶意用户利用网络爬虫抓取各种敏感信息，造成网站的核心数据被窃取，损害企业经济利益
Web应用防火墙可以通过常规检测和Webshell检测（识别User-Agent）、网站反爬虫（检查浏览器合法性）和CC攻击防护（限制访问频率）三个反爬虫策略，全方位帮您解决业务网站遭受的爬虫问题。
方案概述
爬虫检测流程如图1所示，其中，①和②称为“js挑战”，③称为“js验证”。
- 如果客户端是正常浏览器访问，就可以触发这段JavaScript代码再发送一次请求到WAF，即WAF完成js验证，并将该请求转发给源站。
- 如果客户端是爬虫访问，就无法触发这段JavaScript代码再发送一次请求到WAF，即WAF无法完成js验证。
- 如果客户端爬虫伪造了WAF的认证请求，发送到WAF时，WAF将拦截该请求，js验证失败。
通过统计“js挑战”和“js验证”，就可以汇总出JS脚本反爬虫防御的请求次数。例如，图2中JS脚本反爬虫共记录了18次事件，其中，“js挑战”（WAF返回JS代码）为16次，“js验证”（WAF完成JS验证）为2次，“其他”（即爬虫伪造WAF认证请求）为0次。
约束与限制
资源与成本规划
|
资源 |
资源说明 |
每月费用 |
|---|---|---|
|
Web应用防火墙 |
云模式-专业版：
|
具体的计费方式及标准请参考计费说明。 |
步骤一：购买云模式专业版
以购买WAF云模式标准版为例进行介绍。
- 登录华为云管理控制台。
- 在控制台页面中选择，进入Web应用防火墙控制台。
- 在页面右上角，单击“购买WAF实例”，进入购买页面，“WAF模式”选择“云模式”。
- “区域”：根据防护业务的所在区域就近选择购买的WAF区域。
- “版本规格”：选择“专业版”。
- “扩展包”及“购买时长”：根据具体情况进行选择。
- 确认参数配置无误后，在页面右下角单击“立即购买”。
- 确认订单详情无误后，阅读并勾选《Web应用防火墙免责声明》，单击“去支付”，完成购买操作。
- 进入“付款”页面，选择付款方式进行付款。
步骤二：将网站信息添加到WAF
此处以云模式-CNAME接入为例进行介绍。
- 云模式-ELB接入方式请参见将网站接入WAF防护（云模式-ELB接入）。
- 独享模式接入方式请参见将网站接入WAF防护（独享模式）。
- 在左侧导航树中，选择“网站设置”，进入网站设置列表。
- 在网站列表的左上角，单击“添加防护网站”。
- 选择“云模式-CNAME接入”并单击“开始配置”。
- 根据界面提示，配置网站信息，如表2所示。
图3 基础信息配置
表2 重点参数说明 参数
参数说明
取值样例
防护域名
需要添加到WAF中防护的域名。
- 域名已完成备案
- 支持单域名（例如，一级域名example.com，二级域名www.example.com等）和泛域名（例如，*.example.com）。
www.example.com
防护端口
需要防护的域名对应的业务端口。
标准端口
服务器配置
网站服务器地址的配置。包括对外协议、源站协议、源站地址、源站端口和权重。
- 对外协议：客户端请求访问服务器的协议类型。包括“HTTP”、“HTTPS”两种协议类型。
- 源站协议：Web应用防火墙转发客户端请求的协议类型。包括“HTTP”、“HTTPS”两种协议类型。
- 源站地址：客户端访问的网站服务器的公网IP地址（一般对应该域名在DNS服务商处配置的A记录）或者域名（一般对应该域名在DNS服务商处配置的CNAME）。
- 源站端口：WAF转发客户端请求到服务器的业务端口。
- 权重：负载均衡算法将按权重将请求分配给源站。
对外协议：HTTP
源站协议：HTTP
源站地址：IPv4 XXX .XXX.1.1
源站端口：80
是否使用七层代理
在WAF前是否使用了七层代理产品。
根据实际情况进行选择。
是
- 单击“下一步”，根据界面提示，完成WAF回源IP加白、本地验证和修改域名DNS解析设置的操作。
图4 添加域名完成
步骤三：开启常规检测和Webshell检测（识别User-Agent）
开启常规检测和Webshell检测后，WAF可以检测和拦截恶意爬虫、网马等威胁。
- 在左侧导航树中，选择“网站设置”，进入“网站设置”页面。
- 在目标域名所在行的“防护策略”栏中，单击“已开启N项防护”，进入“防护策略”页面。
- 确认“Web基础防护”的状态为
。
图5 Web基础防护配置框
- 在“防护配置”页面，开启“常规检测”和“Webshell检测”开关。
图6 防护配置
当WAF检测到恶意爬虫对网站进行爬取时，将立即拦截并记录该事件，您可以在“防护事件”页面查看爬虫防护日志。
步骤四：开启网站反爬虫（检查浏览器合法性）
开启网站反爬虫，WAF可以动态分析网站业务模型，结合人机识别技术和数据风控手段，精准识别爬虫行为。
- 选择“网站反爬虫”配置框，开启网站反爬虫。
：开启状态。
：关闭状态。
- 在“特征反爬虫”页面，开启“扫描器”，其他选项根据业务需要进行选择。
图7 特征反爬虫防护
- 选择“JS脚本反爬虫”页签，用户可根据业务需求更改JS脚本反爬虫的“状态”。
默认关闭JS脚本反爬虫，单击
，在弹出的“警告”提示框中，单击“确定”，开启JS脚本反爬虫
。防护动作：拦截、仅记录、人机验证（JavaScript挑战失败，弹出验证码提示，输入正确的验证码，请求将不受访问限制）。
- 根据业务配置JS脚本反爬虫规则，相关参数说明如表3所示。
JS脚本反爬虫规则提供了“防护所有请求”和“防护指定请求”两种防护动作。
表3 JS脚本反爬虫参数说明 参数
参数说明
示例
规则名称
自定义规则名称。
waf
规则描述
可选参数，设置该规则的备注信息。
-
生效时间
立即生效。
立即生效
条件列表
条件设置参数说明如下：
- 字段：在下拉列表中选择需要防护的字段，当前仅支持“路径”、“User Agent”。
- 子字段
- 逻辑：在“逻辑”下拉列表中选择需要的逻辑关系。
说明：
当“逻辑”关系选择“包含任意一个”、“不包含任意一个”、“等于任意一个”、“不等于任意一个”、“前缀为任意一个”、“前缀不为任意一个”、“后缀为任意一个”或者“后缀不为任意一个”时，需要选择引用表。
- 内容：输入或者选择条件匹配的内容。
- 大小写敏感：“字段”选择“路径”时，可配置该参数。开启后，系统在检测配置的路径时，将区分大小写。能够帮助系统更准确地识别和处理各种爬虫请求，从而有效提升反爬虫策略的精确度和有效性。
“路径”包含“/admin/”
优先级
设置该条件规则检测的顺序值。如果您设置了多条规则，则多条规则间有先后匹配顺序，即访问请求将根据您设定的优先级依次进行匹配，优先级较小的规则优先匹配。
5
开启该防护后，非浏览器的访问将不能获取业务页面。
步骤五：配置CC攻击防护（限制访问频率）
开启CC攻击防护，限制单个IP/Cookie/Referer访问者对您的网站上特定路径（URL）的访问频率，缓解CC攻击对业务的影响。
- 确认“CC攻击防护”的“状态”为“开启”
。
图10 CC防护规则配置框
- 在“CC攻击防护”规则配置列表的左上方，单击“添加规则”。以IP限速和人机验证为例，添加IP限速规则，如图11所示。
设置成功后，当用户访问超过限制后需要输入验证码才能继续访问。
