WAF网站反爬虫

前提条件

已添加防护网站或已新增防护策略。

• 云模式-CNAME接入的接入方式参见网站接入WAF（云模式-CNAME接入）章节。
• 云模式- ELB 接入的接入方式参见 网站接入WAF（云模式-ELB接入）章节。
• 独享模式的接入方式参见网站接入WAF（独享模式）章节。

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。

• 入门版和标准版不支持该功能。
• 防护网站部署模式为“云模式-ELB接入”时，不支持JS脚本反爬虫功能。
• 开启JS脚本反爬虫后，如果不能查看拦截记录，请参见开启JS脚本反爬虫后，为什么有些请求被WAF拦截但查不到拦截记录？。
• 网站反爬虫“js挑战”的防护动作为“仅记录”，“js验证”的防护动作为人机验证（即js验证失败后，弹出验证码提示，输入正确的验证码，请求将不受访问限制）。
• 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。

操作步骤

1. 登录管理控制台。
2. 单击管理控制台左上角的，选择区域或项目。
3. 单击页面左上方的，选择“ 安全与合规 > Web应用防火墙 WAF”。
4. 在左侧导航树中，选择“防护策略”，进入“防护策略”页面。
5. 单击目标策略名称，进入目标策略的防护配置页面。
6. 选择“网站反爬虫”配置框，用户可根据自己的需要开启或关闭网站反爬虫策略。
   • ：开启状态。
   • ：关闭状态。

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3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3 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OpenV AS 、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。

   防护动作：拦截、仅记录、人机验证。

   

   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

   

   • 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4 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5 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。 区分大小写：“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。	“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

相关操作

• 规则添加成功后，默认的“规则状态”为“已开启”，若您暂时不想使该规则生效，可在目标规则所在行的“操作”列，单击“关闭”。
• 若需要修改添加的JS脚本反爬虫规则，可单击待修改的路径规则所在行的“修改”，修改该规则。
• 若需要删除添加的JS脚本反爬虫规则时，可单击待删除的路径规则所在行的“删除”，删除该规则。

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6 开启“脚本工具”
   

3. 开启网站反爬虫。
   图7 网站反爬虫配置框
   

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。
   图8 查看防护事件-脚本爬虫
   

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6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9的规则。
   图9 拦截POST请求