web-dev-qa-db-ja.com

偽のユーザー(クローラー)とcURLを検出する方法

他のWebサイトでは、cURLと偽のhttpリファラーを使用してWebサイトのコンテンツをコピーしています。 cURLを検出する方法はありますか?

39
Ken Le

自動クロールを回避する魔法の解決策はありません。人間ができることはすべて、ロボットでもできます。仕事を難しくするための解決策があるだけなので、強力な熟練したオタクだけが合格することができます。

私も数年前に問題を抱えていました。最初のアドバイスは、時間があれば自分でクローラーになることです(「クローラー」はあなたのWebサイトをクロールする人だと思います)。いくつかのウェブサイトをクロールすることで、さまざまな種類の保護を学び、それらを関連付けることで効率的になりました。

試してみる保護の例をいくつか示します。


IPごとのセッション

ユーザーが毎分50の新しいセッションを使用する場合、このユーザーはCookieを処理しないクローラーであると考えることができます。もちろん、curlはCookieを完全に管理しますが、セッションごとに訪問カウンター(後で説明します)と組み合わせるか、クローラーがCookieの問題を抱えている場合は効率的です。

同じ共有接続の50人が同時にあなたのウェブサイトにアクセスすることを想像するのは困難です(もちろん、あなたのトラフィックに依存します、それはあなた次第です)。これが発生した場合、キャプチャがいっぱいになるまでウェブサイトのページをロックできます。

考え :

1)2つのテーブルを作成します:1つは禁止されたIPを保存し、1つはIPとセッションを保存します

create table if not exists sessions_per_ip (
  ip int unsigned,
  session_id varchar(32),
  creation timestamp default current_timestamp,
  primary key(ip, session_id)
);

create table if not exists banned_ips (
  ip int unsigned,
  creation timestamp default current_timestamp,
  primary key(ip)
);

2)スクリプトの開始時に、両方のテーブルから古すぎるエントリを削除します

3)次に、ユーザーのIPが禁止されているかどうかを確認します(フラグをtrueに設定します)

4)そうでない場合、あなたは彼が彼のIPのセッションを持っているかを数えます

5)セッションが多すぎる場合、禁止テーブルに挿入してフラグを設定します

6)まだ挿入されていない場合、IPテーブルごとにセッションに彼のIPを挿入します

私のアイデアをより良い方法で示すためにコードサンプルを書きました。

<?php

try
{

    // Some configuration (small values for demo)
    $max_sessions = 5; // 5 sessions/ip simultaneousely allowed
    $check_duration = 30; // 30 secs max lifetime of an ip on the sessions_per_ip table
    $lock_duration = 60; // time to lock your website for this ip if max_sessions is reached

    // Mysql connection
    require_once("config.php");
    $dbh = new PDO("mysql:Host={$Host};dbname={$base}", $user, $password);
    $dbh->setAttribute(PDO::ATTR_ERRMODE, PDO::ERRMODE_EXCEPTION);

    // Delete old entries in tables
    $query = "delete from sessions_per_ip where timestampdiff(second, creation, now()) > {$check_duration}";
    $dbh->exec($query);

    $query = "delete from banned_ips where timestampdiff(second, creation, now()) > {$lock_duration}";
    $dbh->exec($query);

    // Get useful info attached to our user...
    session_start();
    $ip = ip2long($_SERVER['REMOTE_ADDR']);
    $session_id = session_id();

    // Check if IP is already banned
    $banned = false;
    $count = $dbh->query("select count(*) from banned_ips where ip = '{$ip}'")->fetchColumn();
    if ($count > 0)
    {
        $banned = true;
    }
    else
    {
        // Count entries in our db for this ip
        $query = "select count(*)  from sessions_per_ip where ip = '{$ip}'";
        $count = $dbh->query($query)->fetchColumn();
        if ($count >= $max_sessions)
        {
            // Lock website for this ip
            $query = "insert ignore into banned_ips ( ip ) values ( '{$ip}' )";
            $dbh->exec($query);
            $banned = true;
        }

        // Insert a new entry on our db if user's session is not already recorded
        $query = "insert ignore into sessions_per_ip ( ip, session_id ) values ('{$ip}', '{$session_id}')";
        $dbh->exec($query);
    }

    // At this point you have a $banned if your user is banned or not.
    // The following code will allow us to test it...

    // We do not display anything now because we'll play with sessions :
    // to make the demo more readable I prefer going step by step like
    // this.
    ob_start();

    // Displays your current sessions
    echo "Your current sessions keys are : <br/>";
    $query = "select session_id from sessions_per_ip where ip = '{$ip}'";
    foreach ($dbh->query($query) as $row) {
        echo "{$row['session_id']}<br/>";
    }

    // Display and handle a way to create new sessions
    echo str_repeat('<br/>', 2);
    echo '<a href="' . basename(__FILE__) . '?new=1">Create a new session / reload</a>';
    if (isset($_GET['new']))
    {
        session_regenerate_id();
        session_destroy();
        header("Location: " . basename(__FILE__));
        die();
    }

    // Display if you're banned or not
    echo str_repeat('<br/>', 2);
    if ($banned)
    {
        echo '<span style="color:red;">You are banned: wait 60secs to be unbanned... a captcha must be more friendly of course!</span>';
        echo '<br/>';
        echo '<img src="http://4.bp.blogspot.com/-PezlYVgEEvg/TadW2e4OyHI/AAAAAAAAAAg/QHZPVQcBNeg/s1600/feu-rouge.png" />';
    }
    else
    {
        echo '<span style="color:blue;">You are not banned!</span>';
        echo '<br/>';
        echo '<img src="http://identityspecialist.files.wordpress.com/2010/06/traffic_light_green.png" />';
    }
    ob_end_flush();
}
catch (PDOException $e)
{
    /*echo*/ $e->getMessage();
}

?>

訪問カウンター

ユーザーが同じCookieを使用してページをクロールする場合、セッションを使用してブロックすることができます。このアイデアは非常に単純です。ユーザーが60秒で60ページにアクセスする可能性はありますか?

考え :

  1. ユーザーセッションで配列を作成します。配列にはvisit time()が含まれます。
  2. この配列のX秒より古い訪問を削除します
  3. 実際の訪問に新しいエントリを追加します
  4. この配列のエントリをカウントします
  5. ユーザーがYページにアクセスした場合、ユーザーを禁止する

サンプルコード:

<?php

$visit_counter_pages = 5; // maximum number of pages to load
$visit_counter_secs = 10; // maximum amount of time before cleaning visits

session_start();

// initialize an array for our visit counter
if (array_key_exists('visit_counter', $_SESSION) == false)
{
    $_SESSION['visit_counter'] = array();
}

// clean old visits
foreach ($_SESSION['visit_counter'] as $key => $time)
{
    if ((time() - $time) > $visit_counter_secs) {
        unset($_SESSION['visit_counter'][$key]);
    }
}

// we add the current visit into our array
$_SESSION['visit_counter'][] = time();

// check if user has reached limit of visited pages
$banned = false;
if (count($_SESSION['visit_counter']) > $visit_counter_pages)
{
    // puts ip of our user on the same "banned table" as earlier...
    $banned = true;
}

// At this point you have a $banned if your user is banned or not.
// The following code will allow us to test it...

echo '<script type="text/javascript" src="https://ajax.googleapis.com/ajax/libs/jquery/1.6.2/jquery.min.js"></script>';

// Display counter
$count = count($_SESSION['visit_counter']);
echo "You visited {$count} pages.";
echo str_repeat('<br/>', 2);

echo <<< EOT

<a id="reload" href="#">Reload</a>

<script type="text/javascript">

  $('#reload').click(function(e) {
    e.preventDefault();
    window.location.reload();
  });

</script>

EOT;

echo str_repeat('<br/>', 2);

// Display if you're banned or not
echo str_repeat('<br/>', 2);
if ($banned)
{
    echo '<span style="color:red;">You are banned! Wait for a short while (10 secs in this demo)...</span>';
    echo '<br/>';
    echo '<img src="http://4.bp.blogspot.com/-PezlYVgEEvg/TadW2e4OyHI/AAAAAAAAAAg/QHZPVQcBNeg/s1600/feu-rouge.png" />';
}
else
{
    echo '<span style="color:blue;">You are not banned!</span>';
    echo '<br/>';
    echo '<img src="http://identityspecialist.files.wordpress.com/2010/06/traffic_light_green.png" />';
}
?>

ダウンロードする画像

クローラーが汚い仕事をする必要があるとき、それは大量のデータのためであり、最短時間で。そのため、彼らはページに画像をダウンロードしません。帯域幅がかかりすぎて、クロールが遅くなります。

このアイデア(最もエレガントで実装しやすいと思う)は、 mod_rewrite を使用して、.jpg/.png /…イメージファイルのコードを非表示にします。この画像は、保護する各ページで使用できる必要があります。ロゴのウェブサイトである可能性がありますが、小さい画像を選択します(この画像はキャッシュしてはいけません)。

考え :

1 /これらの行を.htaccessに追加します

RewriteEngine On
RewriteBase /tests/anticrawl/
RewriteRule ^logo\.jpg$ logo.php

2 /セキュリティを使用してlogo.phpを作成します

<?php

// start session and reset counter
session_start();
$_SESSION['no_logo_count'] = 0;

// forces image to reload next time
header("Cache-Control: no-store, no-cache, must-revalidate");

// displays image
header("Content-type: image/jpg");
readfile("logo.jpg");
die();

3 /セキュリティを追加する必要がある各ページでno_logo_countを増やし、制限に達しているかどうかを確認します。

サンプルコード:

<?php

$no_logo_limit = 5; // number of allowd pages without logo

// start session and initialize
session_start();
if (array_key_exists('no_logo_count', $_SESSION) == false)
{
    $_SESSION['no_logo_count'] = 0;
}
else
{
    $_SESSION['no_logo_count']++;
}

// check if user has reached limit of "undownloaded image"
$banned = false;
if ($_SESSION['no_logo_count'] >= $no_logo_limit)
{
    // puts ip of our user on the same "banned table" as earlier...
    $banned = true;
}

// At this point you have a $banned if your user is banned or not.
// The following code will allow us to test it...

echo '<script type="text/javascript" src="https://ajax.googleapis.com/ajax/libs/jquery/1.6.2/jquery.min.js"></script>';

// Display counter
echo "You did not loaded image {$_SESSION['no_logo_count']} times.";
echo str_repeat('<br/>', 2);

// Display "reload" link
echo <<< EOT

<a id="reload" href="#">Reload</a>

<script type="text/javascript">

  $('#reload').click(function(e) {
    e.preventDefault();
    window.location.reload();
  });

</script>

EOT;

echo str_repeat('<br/>', 2);

// Display "show image" link : note that we're using .jpg file
echo <<< EOT

<div id="image_container">
    <a id="image_load" href="#">Load image</a>
</div>
<br/>

<script type="text/javascript">

  // On your implementation, you'llO of course use <img src="logo.jpg" />
  $('#image_load').click(function(e) {
    e.preventDefault();
    $('#image_load').html('<img src="logo.jpg" />');
  });

</script>

EOT;

// Display if you're banned or not
echo str_repeat('<br/>', 2);
if ($banned)
{
    echo '<span style="color:red;">You are banned: click on "load image" and reload...</span>';
    echo '<br/>';
    echo '<img src="http://4.bp.blogspot.com/-PezlYVgEEvg/TadW2e4OyHI/AAAAAAAAAAg/QHZPVQcBNeg/s1600/feu-rouge.png" />';
}
else
{
    echo '<span style="color:blue;">You are not banned!</span>';
    echo '<br/>';
    echo '<img src="http://identityspecialist.files.wordpress.com/2010/06/traffic_light_green.png" />';
}
?>

クッキーチェック

JavaScript側でCookieを作成して、ユーザーがJavaScriptを解釈するかどうかを確認できます(たとえば、Curlを使用するクローラーは解釈しません)。

アイデアは非常に簡単です。これは画像チェックとほぼ同じです。

  1. $ _SESSION値を1に設定し、訪問ごとに増分します
  2. cookie(JavaScriptで設定)が存在する場合、セッション値を0に設定します
  3. この値が制限に達した場合、ユーザーを禁止します

コード:

<?php

$no_cookie_limit = 5; // number of allowd pages without cookie set check

// Start session and reset counter
session_start();

if (array_key_exists('cookie_check_count', $_SESSION) == false)
{
    $_SESSION['cookie_check_count'] = 0;
}

// Initializes cookie (note: rename it to a more discrete name of course) or check cookie value
if ((array_key_exists('cookie_check', $_COOKIE) == false) || ($_COOKIE['cookie_check'] != 42))
{
    // Cookie does not exist or is incorrect...
    $_SESSION['cookie_check_count']++;
}
else
{
    // Cookie is properly set so we reset counter
    $_SESSION['cookie_check_count'] = 0;
}

// Check if user has reached limit of "cookie check"
$banned = false;
if ($_SESSION['cookie_check_count'] >= $no_cookie_limit)
{
    // puts ip of our user on the same "banned table" as earlier...
    $banned = true;
}

// At this point you have a $banned if your user is banned or not.
// The following code will allow us to test it...

echo '<script type="text/javascript" src="https://ajax.googleapis.com/ajax/libs/jquery/1.6.2/jquery.min.js"></script>';

// Display counter
echo "Cookie check failed {$_SESSION['cookie_check_count']} times.";
echo str_repeat('<br/>', 2);

// Display "reload" link
echo <<< EOT

<br/>
<a id="reload" href="#">Reload</a>
<br/>

<script type="text/javascript">

  $('#reload').click(function(e) {
    e.preventDefault();
    window.location.reload();
  });

</script>

EOT;

// Display "set cookie" link
echo <<< EOT

<br/>
<a id="cookie_link" href="#">Set cookie</a>
<br/>

<script type="text/javascript">

  // On your implementation, you'll of course put the cookie set on a $(document).ready()
  $('#cookie_link').click(function(e) {
    e.preventDefault();
    var expires = new Date();
    expires.setTime(new Date().getTime() + 3600000);
    document.cookie="cookie_check=42;expires=" + expires.toGMTString();
  });

</script>
EOT;


// Display "unset cookie" link
echo <<< EOT

<br/>
<a id="unset_cookie" href="#">Unset cookie</a>
<br/>

<script type="text/javascript">

  // On your implementation, you'll of course put the cookie set on a $(document).ready()
  $('#unset_cookie').click(function(e) {
    e.preventDefault();
    document.cookie="cookie_check=;expires=Thu, 01 Jan 1970 00:00:01 GMT";
  });

</script>
EOT;

// Display if you're banned or not
echo str_repeat('<br/>', 2);
if ($banned)
{
    echo '<span style="color:red;">You are banned: click on "Set cookie" and reload...</span>';
    echo '<br/>';
    echo '<img src="http://4.bp.blogspot.com/-PezlYVgEEvg/TadW2e4OyHI/AAAAAAAAAAg/QHZPVQcBNeg/s1600/feu-rouge.png" />';
}
else
{
    echo '<span style="color:blue;">You are not banned!</span>';
    echo '<br/>';
    echo '<img src="http://identityspecialist.files.wordpress.com/2010/06/traffic_light_green.png" />';
}

プロキシに対する保護

ウェブ上で見つかる可能性のあるさまざまな種類のプロキシに関するいくつかの言葉:

  • 「通常の」プロキシは、ユーザー接続に関する情報(特に彼のIP)を表示します
  • 匿名プロキシはIPを表示しませんが、ヘッダーのプロキシ使用に関する情報を提供します。
  • 高匿名プロキシは、ユーザーIPを表示せず、ブラウザーが送信しない可能性のある情報を表示しません。

任意のWebサイトに接続するプロキシを見つけるのは簡単ですが、匿名性の高いプロキシを見つけるのは非常に困難です。

ユーザーがプロキシの背後にいる場合は、一部の$ _SERVER変数にキーが含まれている場合があります(詳細リストは この質問 から取得しました)

  • CLIENT_IP
  • 進む
  • FORWARDED_FOR
  • FORWARDED_FOR_IP
  • HTTP_CLIENT_IP
  • HTTP_FORWARDED
  • HTTP_FORWARDED_FOR
  • HTTP_FORWARDED_FOR_IP
  • HTTP_PC_REMOTE_ADDR
  • HTTP_PROXY_CONNECTION '
  • HTTP_VIA
  • HTTP_X_FORWARDED
  • HTTP_X_FORWARDED_FOR
  • HTTP_X_FORWARDED_FOR_IP
  • HTTP_X_IMFORWARDS
  • HTTP_XROXY_CONNECTION
  • VIA
  • X_FORWARDED
  • X_FORWARDED_FOR

$_SERVER変数でこれらのキーの1つを検出した場合、クロール防止セキュリティに異なる動作(下限など)を与えることができます。


結論

ウェブサイトで不正行為を検出する方法はたくさんありますので、確実に解決策を見つけることができます。しかし、あなたのウェブサイトがどのように使用されているかを正確に知る必要があるので、あなたの証券はあなたの「普通の」ユーザーに対して攻撃的ではありません。

99
Alain Tiemblo

要確認:HTTPは魔法ではありません。各HTTPリクエストとともに送信される定義済みのヘッダーセットがあります。これらのヘッダーがWebブラウザによって送信される場合、cURL(およびlibcurl)を含む任意のプログラムによって送信することもできます。

呪いだと考える人もいますが、一方でWebアプリケーションの機能テストを大幅に簡素化するため、祝福でもあります。

UPDATE:unr3al011が正しく気づいたように、curlはJavaScriptを実行しないため、理論的にはグラバーによって表示されたときに異なる動作をするページを作成することができます(たとえば、設定を行い、後で、JSが特定のCookieをチェックすることを意味します)。

それでも、それは非常に脆弱な防御になります。ページのデータはまだサーバーから取得する必要があり、このHTTPリクエスト(およびalways HTTPリクエスト)はcurlによってエミュレートできます。 この回答 をチェックして、そのような防御を打ち負かす方法の例を示してください。

...そして、一部のグラバーareがJavaScriptを実行できることも言及しませんでした。 )

2
raina77ow

次の方法でcURL-Useragentを検出できます。ただし、useragentはユーザーによって上書きされる可能性があるため、デフォルト設定は次の方法で認識できます。

function is_curl() {
    if (stristr($_SERVER["HTTP_USER_AGENT"], 'curl'))
        return true;
}
0
Fusca Software

偽のリファラーを回避する方法は、ユーザーを追跡することです

次の1つ以上の方法でユーザーを追跡できます。

  1. ブラウザークライアントにCookieを特別なコード(例:最後にアクセスしたURL、タイムスタンプ)で保存し、サーバーの各応答で確認します。

  2. 前と同じですが、明示的なCookieの代わりにセッションを使用します

クッキーについては、暗号化セキュリティを追加する必要があります。

[Cookie]
url => http://someurl/
hash => dsafdshfdslajfd

ハッシュはPHPこの方法で計算されます

$url = $_COOKIE['url'];
$hash = $_COOKIE['hash'];
$secret = 'This is a fixed secret in the code of your application';

$isValidCookie = (hash('algo', $secret . $url) === $hash);

$isValidReferer = $isValidCookie & ($_SERVER['HTTP_REFERER'] === $url)
0
Maks3w