数据时代的反爬虫绝技
网络爬虫已经成了很普及的网络技术,会代码的可以自己捣鼓一个高级的“人工智能”爬虫,不会的也可以从网上下载一个开源的,然后找个机器或一些代理服务器,就可以肆无忌惮的薅羊毛了。轻的是,爬虫占用网络和机器资源,影响网站服务访问速度。重的是窃取宝贵的版权数据,尤其是大数据时代,数据经常会是一个公司的核心竞争力。所以,爬和反爬永远是一个攻防战斗。
今天,我们就来回顾现有的反爬虫技术。最后揭示了两个反爬虫绝技。
反爬虫技术:
统计IP访问(TCP/IP层面)
同一IP短时间内多次访问同一页面,或是同一账户短时间内多次进行相同操作。这个,基于IP或是cookie的访问日志统计,或是实时的访问统计,都可以发现爬虫,进而用captcha来测试,或是直接iptable来屏蔽。
复杂一些的情况是获取很多的IP,然后,每次访问随机的选取IP,对于这种情况,必须求助与基于用户行为的反爬技术。
检测HEADER(HTTP协议层面)
早期的爬虫不大用心,经常会随便写个user-agent,或是省略了referer,这种很好检测。变得聪明后,它们开始模拟不同的user-agent和referer了。但cookie这个东西,由于server可以快速随机变化,而且是传递状态信息的,给爬虫的编程带来了一些难度,但也不是不可以逾越的。
侦测用户行为(浏览器层面)
账号注册登录,javascript和AJAX的动态页面和动态数据请求,图片表示和captcha,这些都是利用用户行为的反爬虫技术,而且得到了广泛的采用,而且取得了很好的效果。
道高一尺,魔高一丈,现在流行的”人工智能“爬虫,哈哈,人工智能很流行,我们也借用一下。实际上,它是机器调用浏览器内核,然后利用类似phantomJS等来执行JS来模拟人的操作以及触发页面中的JS脚本。它可以填写表单,点击按钮,滚动页面,总之,完完整整的把人浏览页面获取数据的过程模拟一遍。对于手机APP,也有类似的模拟触屏和点击的工具,完全可以模拟用户行为完成微信登录,关注公众号,点击文章,采集文章内容,阅读量,点赞数,总之,就和一个真实的人一样。对于这种情况,很多具有数据的公司,基本束手无策。
今天,我们揭示两个反击”人工智能“的两个杀手绝技。
第一,数据玷污!是的,玷污,就是真的,假的,数据混杂在一块,让你拿到了我的数据,也很难清理和使用。具体怎么做,先抛一个,比如,captcha,不管对错,都会给出数据,对了,给出正确数据,错了,对不起,数据可能是玷污之后的。哈哈,you got it!想知道更多?你知道怎么做。
第二,交押金!是的,押金,不是付费。用户,先交一部分押金,每次访问关键数据,会从押金里扣除一部分。一周或一月后,后台系统根据日志做个统计挖掘,或是”深度学习“一下,看看哪些是真实的用户,对于这些,退还押金重新获取新的访问。对于爬虫用户,对不起,钱被没收了!
好了,今天就说这么多,希望反爬最终能战胜爬,至少耗死爬虫,或是让爬虫付出高昂代价。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14