文档首页/ Web应用防火墙 WAF/ 用户指南（阿布扎比区域）/ 配置防护策略/ 配置网站反爬虫防护规则防御爬虫攻击
更新时间：2025-05-15 GMT+08:00
查看PDF
分享

配置网站反爬虫防护规则防御爬虫攻击

您可以通过配置网站反爬虫防护规则，防护搜索引擎、扫描器、脚本工具、其它爬虫等爬虫，以及自定义JS脚本反爬虫防护规则。

前提条件

已添加防护网站。

约束条件

  • JS脚本反爬虫依赖浏览器的Cookie机制、JavaScript解析能力，如果客户端浏览器不支持Cookie，此功能无法使用，开启后会造成永远无法访问源站。
  • 如果您的业务接入了CDN服务，请谨慎使用JS脚本反爬虫。

    由于CDN缓存机制的影响，JS脚本反爬虫特性将无法达到预期效果，并且有可能造成页面访问异常。

  • 网站反爬虫“JS挑战”和“JS验证”的防护动作默认为“仅记录”，WAF不支持手动配置“JS挑战”和“JS验证”的防护动作。
  • WAF的JS脚本反爬虫功能只支持get请求，不支持post请求。

JS脚本反爬虫检测机制

JS脚本检测流程如图1所示，其中，①和②称为“JS挑战”，③称为“JS验证”。

图1 JS脚本检测流程说明
开启JS脚本反爬虫后，当客户端发送请求时，WAF会返回一段JavaScript代码到客户端。
  • 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。

图2 JS脚本反爬虫防护数据

“JS挑战”和“JS验证”的防护动作为仅记录，WAF不支持配置“JS挑战”和“JS验证”的防护动作。

配置网站反爬虫防护规则

  1. 登录管理控制台。
  2. 在管理控制台左上角，单击，选择区域或项目。
  3. 在页面左上方，单击，选择“安全 > Web应用防火墙 WAF”。
  4. 在左侧导航栏，单击“防护策略”。
  5. 单击目标策略名称，进入目标策略的防护配置页面。
  6. 在“网站反爬虫”配置框中，用户可根据自己的需要更改网站反爬虫的“状态”，单击“BOT设置”，进入网站反爬虫规则配置页面。

    图3 网站反爬虫配置框

  7. 选择“特征反爬虫”页签，根据您的业务场景，开启合适的防护功能，如图4所示，检测项说明如表1所示。

    特征反爬虫规则提供了两种防护动作：
    • 拦截

      发现攻击行为后立即阻断并记录。

      开启拦截后，可能会有以下影响 ：

      • 拦截搜索引擎请求，可能影响网站的搜索引擎优化。
      • 拦截脚本工具，可能会影响部分APP访问（部分APP的User-Agent未做修改，会匹配脚本工具类爬虫规则）。
    • 仅记录

      默认防护动作，发现攻击行为后只记录不阻断攻击。

    默认开启“扫描器”防护检测，用户可根据业务需要，配置防护动作并开启其他需要防护的检测类型。
    图4 特征反爬虫防护
    表1 特征反爬虫检测项说明

    检测项

    说明

    功能说明

    搜索引擎

    搜索引擎执行页面内容爬取任务，如Googlebot、Baiduspider。

    开启后，WAF将检测并阻断搜索引擎爬虫。

    说明：

    如果不开启“搜索引擎”，WAF针对谷歌和百度爬虫不会拦截，如果您希望拦截百度爬虫的POST请求，可参照配置示例-搜索引擎进行配置。

    扫描器

    执行漏洞扫描、病毒扫描等Web扫描任务，如OpenVAS、Nmap。

    开启后，WAF将检测并阻断扫描器爬虫。

    脚本工具

    用于执行自动化任务、程序脚本等，如httpclient、okhttp、python程序等。

    开启后，WAF将检测并阻断执行自动化任务、程序脚本等。

    说明：

    如果您的应用程序中使用了httpclient、okhttp、python程序等脚本工具，建议您关闭“脚本工具”，否则，WAF会将使用了httpclient、okhttp、python程序等脚本工具当成恶意爬虫，拦截该应用程序。

    其他爬虫

    各类用途的爬虫程序，如站点监控、访问代理、网页分析等。

    说明：

    “访问代理”是指当网站接入WAF后，为避免爬虫被WAF拦截，爬虫者使用大量IP代理实现爬虫的一种技术手段。

    开启后，WAF将检测并阻断各类用途的爬虫程序。

  8. 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。

    • JS脚本反爬虫依赖浏览器的Cookie机制、JavaScript解析能力，如果客户端浏览器不支持Cookie，此功能无法使用，开启后会造成永远无法访问源站。
    • 如果您的业务接入了CDN服务，请谨慎使用JS脚本反爬虫。

      由于CDN缓存机制的影响，JS脚本反爬虫特性将无法达到预期效果，并且有可能造成页面访问异常。

  9. 根据业务配置JS脚本反爬虫规则，相关参数说明如表2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。

    • 除了指定请求规则以外，防护其他所有请求
      “防护模式”选择“防护所有请求”，单击“添加排除请求规则”，配置排除请求规则后，单击“确认”。
      图5 添加排除防护请求
    • 只防护指定请求时

      “防护模式”选择“防护指定请求”，单击“添加请求规则”，配置请求规则后，单击“确认”。

      图6 添加请求规则
    表2 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”、“不包含所有”、“等于任意一个”、“不等于所有”、“前缀为任意一个”、“前缀不为所有”、“后缀为任意一个”或者“后缀不为所有”时，需要选择引用表。

    • 内容：输入或者选择条件匹配的内容。

    “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
    • 完成以上配置后，您可以在防护规则列表查看已添加的规则。此时，“规则状态”默认为“已开启”。
    • 如果您暂时不想使该规则生效，可在目标规则“操作”列，单击“关闭”。
    • 您也可以在目标规则“操作”列，单击“删除”或“修改”，删除或修改已添加的防护规则。

配置示例-仅记录脚本工具爬虫

假如防护域名“www.example.com”已接入WAF，您可以参照以下操作步骤验证反爬虫防护效果。

  1. 执行JS脚本工具，爬取网页内容。
  2. 在“特征反爬虫”页签，开启“脚本工具”，“防护动作”设置为“仅记录”（WAF检测为攻击行为后，只记录不阻断）。

    图7 开启“脚本工具”

  3. 开启网站反爬虫。
  4. 在左侧导航树中，单击“防护事件”，进入“防护事件”页面，您可以查看该防护事件。

配置示例-搜索引擎

放行百度或者谷歌的搜索引擎，同时拦截百度的POST请求。

  1. 参照7将“搜索引擎”设置为放行，即将“搜索引擎”的“状态”设置为。
  2. 参照配置精准访问防护规则定制化防护策略配置如图8的规则。

    图8 拦截POST请求

常见问题

开启JS脚本反爬虫后，为什么客户端请求获取页面失败？

父主题： 配置防护策略