CC攻击的核心逻辑不是打穿服务器,而是耗尽资源。攻击者通过控制大量设备或代理节点,向目标网站发起看似正常的请求,但这些请求的频率和数量远超真实用户行为。当服务器忙于处理这些恶意请求时,正常用户的访问就会被拖慢甚至完全无法打开页面。因此,CC防护的关键不在于“识别攻击者是谁”,而在于“区分请求行为是否合理”,并针对不合理行为做访问限制。

访问限制的常见手段包括频率限制、并发连接数限制、人机验证、行为分析拦截和IP信誉库匹配。频率限制是最基础的一层,它统计单个IP在单位时间内的请求次数,超过阈值就触发限制。并发连接数限制则针对同一IP同时打开的TCP连接数量,因为正常浏览器访问一个页面通常只会建立几个到几十个连接,而攻击工具往往会维持大量半开或活跃连接。人机验证用于在怀疑流量异常时插入JavaScript计算或交互挑战,攻击脚本如果不执行这些逻辑就无法继续请求。行为分析拦截会观察请求路径、请求间隔、User-Agent、Referer和Cookie等特征,识别出不符合真实浏览器的访问模式。IP信誉库则基于历史攻击数据,对已知的恶意IP段直接拒绝服务。

在实际部署中,单纯依赖某一项限制措施很容易被绕过。例如只做IP频率限制,攻击者可以通过大量代理IP分散请求来源,每个IP的请求频率都不高,但总量依然巨大。只做并发限制,攻击者可以降低单IP并发数,改用更多IP发起慢速请求。只做人机验证,部分高级攻击工具已经能够执行JavaScript并模拟点击。因此,有效的CC防护需要多层限制叠加,并且根据业务类型动态调整阈值。

基于请求特征的访问限制

很多CC攻击工具为了追求发包效率,会在请求头中留下明显特征。例如User-Agent可能是默认的Python-requests、Go-http-client或者空值,Referer字段缺失或固定为某个不存在的地址,Accept-Language、Accept-Encoding等头部组合与真实浏览器不一致。针对这些特征,可以在Web服务器或网关层设置规则,对不符合正常浏览器头部组合的请求直接返回403或444状态码。Nginx中可以通过if指令判断$http_user_agent和$http_referer变量,但更推荐使用Lua模块或OpenResty来做复杂判断,因为if在location中容易出现意外行为。

另一个容易被忽略的特征是请求路径的分布。真实用户访问网站时,通常会先请求HTML页面,然后加载其中的CSS、JS和图片资源,请求路径之间存在关联性。而CC攻击工具往往只针对某一个URL发起海量请求,例如直接请求首页或者某个API接口,不会请求页面依赖的静态资源。基于这个特点,可以在网关层统计每个IP的请求路径多样性,如果某个IP在短时间内只请求同一个URL且频率异常,就可以判定为疑似攻击并限制访问。

动态频率限制与令牌桶算法

固定阈值的频率限制在业务高峰期容易误伤正常用户,在低峰期又可能因为阈值过高而无法有效拦截攻击。更好的做法是使用动态频率限制,根据整体流量负载自动调整阈值。当服务器整体请求量突然上升且响应时间变长时,自动收紧单IP的请求频率限制;当流量恢复正常时,再逐步放宽限制。这样可以在攻击发生时优先保护服务器资源,同时减少对正常用户的影响。

令牌桶算法是实现动态频率限制的常用方法。每个IP对应一个令牌桶,桶的容量固定,以一定速率向桶中放入令牌。每次请求需要消耗一个令牌,如果桶中没有令牌则拒绝请求或进入等待队列。桶的容量决定了允许的突发流量大小,放入令牌的速率决定了长期平均请求速率。在攻击期间,可以降低令牌放入速率并减小桶容量,从而平滑地限制请求速率,避免误伤偶发的高并发正常访问。

以下是一个基于Nginx和Lua的令牌桶限流示例:

local limit = require "resty.limit.req"
local lim, err = limit.new("cc_limit", 20, 10)
-- 参数含义:令牌桶容量20,每秒放入10个令牌
if not lim then
    ngx.log(ngx.ERR, "failed to instantiate limit: ", err)
    return ngx.exit(500)
end
local key = ngx.var.binary_remote_addr
local delay, err = lim:incoming(key, true)
if not delay then
    if err == "rejected" then
        return ngx.exit(403)
    end
    return ngx.exit(500)
end
if delay >= 0.001 then
    ngx.sleep(delay)
end

这个示例中,每个IP的令牌桶容量为20,每秒补充10个令牌。这意味着单个IP可以瞬间发起最多20个请求,但长期平均速率被限制在每秒10个请求。当攻击流量涌入时,超过容量的请求会被直接拒绝,从而保护后端服务器。

基于行为分析的智能拦截

行为分析的核心是建立正常用户的访问基线,然后找出偏离基线的请求。正常用户访问网站时,请求间隔通常呈现一定的随机性,因为用户在阅读页面内容、点击链接、滚动页面,这些行为都会产生自然的时间间隔。而CC攻击工具为了最大化攻击效率,往往会以固定间隔或极短间隔发送请求。通过统计每个IP的请求间隔分布,可以识别出间隔过于规律或过于密集的访问模式。

Cookie和会话信息也是行为分析的重要依据。正常用户在访问网站时,浏览器会接收并返回服务器下发的Cookie,会话中会携带完整的登录状态或浏览轨迹。而大多数CC攻击工具不会维护Cookie状态,或者使用固定Cookie值。如果某个IP的请求中Cookie缺失、Cookie值不变或者会话ID频繁变化,就可以作为异常行为的判断依据。针对这种情况,可以在网关层要求所有请求必须携带有效的会话Cookie,对无Cookie或Cookie无效的请求进行限制。

还有一个有效的行为分析指标是请求的响应状态码分布。正常用户的请求大部分会得到200或304响应,少量请求可能因为资源不存在而返回404。而CC攻击如果针对的是不存在的URL或者已经失效的接口,会产生大量404或500响应。通过监控每个IP的响应状态码分布,如果某个IP的404或500比例异常高,说明其请求目标可能是随机生成的,这本身就是攻击行为的强信号。

访问限制的误伤控制

任何访问限制措施都存在误伤正常用户的风险,尤其是当正常用户与攻击者共享出口IP时,例如公司网络、学校网络或运营商NAT出口。在这种情况下,对单个IP的限制会影响到大量真实用户。为了降低误伤率,需要引入更细粒度的识别维度,例如结合Cookie、设备指纹和用户行为来区分同一IP下的不同用户。

设备指纹可以通过浏览器Canvas渲染、WebGL信息、字体列表、屏幕分辨率等特征生成一个唯一标识,即使多个用户共享同一个出口IP,他们的设备指纹也大概率不同。在触发IP级别的频率限制之前,可以先检查设备指纹,如果某个设备指纹的请求频率正常,即使IP整体频率超标,也可以放行该设备的请求。这样既能拦截攻击流量,又能保护正常用户的访问体验。

另一种降低误伤的方法是采用渐进式限制策略。当某个IP的请求频率超过阈值时,不直接拒绝请求,而是先插入人机验证。如果请求方能够通过验证,说明大概率是真实用户,可以继续放行并适当提高该IP的阈值。如果验证失败或者验证后继续超频,再逐步升级限制措施,例如降低令牌桶容量、延长限制时间或直接封禁。这种策略可以避免因为阈值设置过紧而误伤正常用户。

针对HTTPS和API场景的访问限制

HTTPS场景下的CC防护面临一个额外问题:TLS握手本身就会消耗大量CPU资源。攻击者可以通过发起大量TLS握手请求来耗尽服务器的计算能力,即使这些握手最终没有完成。针对这种情况,可以在负载均衡器或反向代理层启用TLS会话复用和0-RTT,减少握手开销。同时,对同一IP的TLS握手频率进行限制,超过阈值的握手请求直接丢弃,不进入后端服务器。

API接口的CC防护与网页场景有所不同。API请求通常不会加载静态资源,请求路径相对固定,而且客户端可能是移动应用、小程序或第三方服务,User-Agent和Referer等头部信息不一定符合浏览器特征。因此,针对API的访问限制需要更依赖API密钥、签名认证和业务级别的限流。例如要求每个API请求携带有效的AppKey和签名,签名中包括时间戳和随机数,服务端验证签名有效性的同时检查时间戳是否在允许的时间窗口内。对于签名无效或时间戳过期的请求直接拒绝,这样即使攻击者伪造请求,也无法通过签名验证。

API限流可以采用分级策略,对不同级别的API设置不同的限流阈值。核心业务API设置较低的阈值,防止被恶意调用耗尽资源;非核心API可以适当放宽限制。同时,针对API的限流应该返回明确的错误码和错误信息,例如429 Too Many Requests,并附带Retry-After头,告诉客户端何时可以重试。这样既保护了服务器,又不会让正常客户端感到困惑。

多层防线与自动化响应

CC防护不应该只部署在单一层面。最外层可以通过DNS解析和Anycast网络分散流量,利用边缘节点的带宽和计算资源吸收攻击流量。第二层在负载均衡器或反向代理上做基础的IP频率限制、并发连接限制和TLS握手限制。第三层在Web应用防火墙或网关层做请求特征分析、行为分析和人机验证。第四层在应用内部做业务级别的限流和异常检测。每一层都可以拦截一部分攻击流量,即使某一层被绕过,后续层次仍然可以提供保护。

自动化响应是提升CC防护效率的关键。当监控系统检测到流量异常时,应该能够自动触发防护策略,而不是等待人工介入。例如当某个URL的请求量在30秒内增长超过正常值的5倍时,自动对该URL启用更严格的限流规则;当某个IP段的整体请求量异常时,自动将该IP段加入临时黑名单;当服务器CPU使用率超过80%且请求量持续上升时,自动收紧全局的令牌桶参数。这些自动化策略需要提前定义好触发条件和执行动作,并且支持自动回滚,当流量恢复正常后自动解除限制,避免长期误伤。

访问限制的本质是资源分配策略。服务器资源有限,当恶意请求试图占用过多资源时,必须通过技术手段将资源优先分配给正常用户。CC防护不是简单地封IP或者加验证码,而是需要结合业务特点、流量模型和攻击特征,建立一套动态、多层、可自适应调整的访问限制体系。只有深入理解攻击者的行为模式和正常用户的访问习惯,才能在拦截攻击的同时不影响正常业务。