垃圾评论灌水看起来是内容运营问题,本质是一次低成本的 CC 攻击。本文讲它和普通写接口 CC 的区别、日志怎么认、Nginx 与应用层各该怎么设卡。
Q:评论区被刷爆,这算 CC 攻击还是垃圾评论?
- 从攻击者视角看是灌水,从防护视角看就是一次针对写接口的 CC。区别只在目的:普通 CC 想让站挂掉,灌水想让内容留在站上。
- 三个共同点很明显:请求集中在一两个写接口、几乎不拉静态资源、参数结构高度雷同。
- 一个关键差异:灌水的 QPS 往往很低。几百个请求就能把审核队列和运营人力压垮,按 QPS 阈值根本发现不了。
- 所以判据不能只看频率,要看「内容产出量」和「真实用户行为」的背离程度。
Q:它和普通的写接口 CC 有什么不同?
- 普通写接口 CC 打的是成本:一次提交触发十几次查询和写入,让数据库连接和行锁排队,最后整个站跟着慢。
- 灌水型打的是容量和信任:一条垃圾评论只占一行数据,但它要进审核队列、要发通知、要被索引、要被运营逐条处理。
- 危害是叠加的:数据表膨胀、审核人力被耗光、站内信与邮件通知风暴、页面被垃圾内容污染、被搜索引擎抓走变成垃圾页。
- 结论:防灌水不能只靠限流,必须让「提交一条内容」这件事本身变贵。
Q:攻击者为什么专挑评论和投稿入口?
- 因为这是少数对匿名开放、又能把内容留在站上的入口。注册要验证,登录要密码,评论什么都不用。
- 收益有三层:外链(网址字段与签名档)、SEO 垃圾页(被收录的评论区)、引流(广告文案)。
- 成本极低:一个脚本、一份代理池、一份文案模板,就能跑一整天。
- 很多站的评论接口既没有频率限制,也没有内容校验和账号门槛,等于对外开放了一个写库接口。
Q:日志上怎么把灌水流量认出来?
# 1. 写接口请求量,看 POST 是否集中到某几个路径
awk '$6 ~ /POST/ {print $7}' access.log | sed 's/?.*//' | sort | uniq -c | sort -rn | head
# 2. 单 IP 的 POST 次数排行
awk '$6 ~ /POST/ {print $1}' access.log | sort | uniq -c | sort -rn | head -20
# 3. UA 种类数,脚本通常全程一个 UA
awk -F'"' '{print $6}' access.log | sort | uniq -c | sort -rn | head
# 4. 状态码分布,全 200 说明内容全写进去了
awk '{print $9}' access.log | sort | uniq -c | sort -rn
- 第 2 条最直接,但分布式灌水会躲过去,这时看第 3 和第 4 条:UA 高度单一、状态码几乎全 200,基本可以定性。
- 应用层再补两个数:评论提交数与独立访客数的比值、审核通过率。正常站这个比值很低,被打时会突然抬高。
- 还有一条最好用:同一段文案的重复次数。按内容指纹统计,比看 IP 准得多,因为 IP 会换,文案懒得改。
Q:Nginx 层怎么给评论接口单独设卡?
- 评论必须单独一个 zone,阈值比浏览页紧一到两个数量级,拒绝返回 429。
# http 块
limit_req_zone $binary_remote_addr zone=cmt:10m rate=2r/m;
limit_conn_zone $binary_remote_addr zone=cconn:10m;
server {
location = /api/comment {
limit_req zone=cmt burst=2 nodelay;
limit_conn cconn 2;
limit_req_status 429;
limit_req_log_level warn;
client_max_body_size 16k;
client_body_timeout 10s;
proxy_read_timeout 15s;
proxy_pass http://backend;
}
}
rate=2r/m看着很狠,但正常用户在评论区一分钟连发两条已经算异常,这个值基本不误伤。burst=2是给弱网重试留的余量。评论不像搜索那样需要连点,burst 给小一点没关系。client_max_body_size 16k:正常评论几百字节,超过 16k 基本都是灌长文或塞脚本。- 必须显式写
limit_req_log_level warn。默认是 error,被限流的每个请求都往 error log 写一条,限流规则自己就能把磁盘写满。 - 挂在 CDN 或反向代理后面时,先做真实 IP 还原,否则
$binary_remote_addr拿到的是回源节点,一限就是全站限流。
Q:应用层怎么分层才守得住?
- 三层:入口频率、内容质量、账号信誉。缺任何一层都会留洞。
- 入口:同 IP 同 UA 每分钟提交上限。超了不要报错,直接返回「提交成功,等待审核」的假成功页。脚本拿不到真实反馈,比 403 有效得多。
- 内容:链接数超过两个直接进人工、纯英文或纯链接直接拒、字段长度设上限、敏感词库兜底。
- 账号:新注册 24 小时内限制评论数与链接数,未验证邮箱不允许带网址。
- 去重:正文归一化后取哈希,短时间内重复的直接丢弃,这一层最省钱也最有效。
import hashlib, re, redis
r = redis.Redis()
def fingerprint(text):
t = re.sub(r"\s+", "", text.lower())
t = re.sub(r"https?://\S+", "URL", t)
return hashlib.sha1(t.encode()).hexdigest()
def accept(text, author):
fp = fingerprint(text)
if not r.set("cmt:" + fp, 1, nx=True, ex=86400):
return "dup"
if r.incr("cnt:" + author) > 5:
return "rate"
return "ok"
- 指纹要先去空白、转小写、把链接统一替换成占位符,否则改一个空格、换一个网址就能绕过。
set带nx和ex,一天内同一段文案只放一条,模板灌水直接被挡住。- 返回假成功必须记录真实状态,否则运营会以为是正常评论,等发现时队列已经积了几万条。
Q:审核队列被打爆了怎么应急?
- 顺序很重要:先止血,再清理,最后才是人工过一遍。上来就逐条审,只会被人力拖死。
- 临时收紧四件事:评论频率降到每分钟一次、新账号评论全部转人工、关闭游客评论带链接、关闭跨站引用通知。
- 批量标记垃圾数据,别一条条删。先按内容和时间筛,再抽样确认。
UPDATE comments SET status = 'spam'
WHERE status = 'pending'
AND (body LIKE '%http%' OR CHAR_LENGTH(body) > 500)
AND created_at > '2026-11-12 00:00:00'
LIMIT 5000;
- 通知风暴要单独处理:把逐条通知改成每小时汇总一次,否则邮箱和短信会先被打爆。
- 清理前先导出一份数据,作为后续取证和用户申诉的依据。删得干净不如留得清楚。
Q:垃圾内容被搜索引擎收录了怎么补救?
- 先止血再清理:待审和垃圾状态的评论页,服务端直接返回 404 或加 noindex,别让蜘蛛抓到。
- 已经收录的评论分页,尽快加 noindex,并提交删除请求。
- 评论分页限制深度,第 20 页之后统一 noindex。真人几乎不会翻那么深,蜘蛛却会一直往下走。
- 站点地图里排除评论页与标签页,别主动把垃圾内容推给搜索引擎。
- 长期做法:评论区里的链接一律加 nofollow,未审核内容不展示给任何访客和蜘蛛。
Q:误伤真实用户怎么控?
- 三类误伤最常见:老用户连发两条、移动端弱网反复重试、公司或学校出口 NAT 被整片限流。
- 缓解手段:登录用户按用户 ID 限流不按 IP、同一内容短时间内重复不计次、老账号给更高配额。
- 假成功页必须给申诉入口,让用户能反馈「我的评论没显示」,后台按内容哈希查真实状态。
- 上线节奏:先只记录一周看误伤率,再对超阈值返回 429,最后才启用假成功页与人机验证。
Q:还有什么补充建议?
- 把评论当对外 API 管:频率、内容、身份、去重四项都要有,缺一项就是一个洞。
- 监控四个数:写接口请求数、审核队列长度、通知发送量、垃圾命中率。只看 QPS 一定漏。
- 灌水高峰常在凌晨,别只按白天基线设阈值,否则白天误伤、夜里放行。
- 最后一句话:防灌水的核心不是拦掉多少条,而是让发一条垃圾评论的收益趋近于零。