这是一个创建于 2550 天前的主题，其中的信息可能已经有所发展或是发生改变。
为了自己方便，就用 ngx_http_google_filter_module 搭建了个 Google 镜像给自己用。 因为只有自己在用，也就没有加任何验证机制。
今早使用的时候突然发现触发了人机验证码，觉得很奇怪就去查日志，结果发现
查 Referer 发现许多站点发布了我的镜像的地址出去：
- http://dir.scmor.com/google/
- http://coderschool.cn/1853.html
- https://busi.me/archives/578/
- http://www.mengxz.com/
- https://stuch.cn/guge/
- http://www.eczone.net/news/?6_19.html
那么问题来了，我这个镜像一直是自己自用的，加了 Chrome 自定义搜索和 Safari 书签，加了 Workflow，除此之外没有给别人用过或者对外发布过，这些站是怎么爬到我这个地址的呢？
目前怀疑的主要有以下几种情况:
- 在 log 里面有看到 bing 的爬虫，有可能进了某些搜索结果
- 这个站有申请 Let's encrypt 的证书，在 Google Certificate Transparency 是可以查到子域域名的，gg 开头一看就有特定功能
- 我自己健忘，有发过域名给别人但是自己忘了
- 我通过这个搜索访问过部分站，在他们的访问日志里留下了 Referer
第 1 条附言 · 2017-05-01 14:27:50 +08:00
一觉睡醒发现好多收藏的…… 你们都是来收藏镜像导航站的吧…… 
 |
1
wwqgtxx 2017-04-30 19:51:09 +08:00 via iPhone  1
可能分享给了某人然后用 360 浏览器访问过，然后…
|
 |
5
arnofeng 2017-04-30 20:14:28 +08:00 via iPhone 1
加上白名单跳转机制即可。比如我的 g.adminhost.org 非允许网站来源不可访问 直允许直接访问。
|
 |
6
also24 OP @arnofeng #5 限制已经加了，比你这个要严格一些。主要是不明白为什么会被抓到。
另外日志里还频繁出现 PhantomJS 的身影，也不知道想干啥 111.202.27.182 - - [30/Apr/2017:20:16:56 +0800] "GET / HTTP/1.1" 401 693 "-" "Mozilla/5.0 (Unknown; Linux x86_64) AppleWebKit/538.1 (KHTML, like Gecko) PhantomJS/2.1.1 Safari/538.1" |
 |
7
ZE3kr 2017-04-30 20:47:38 +08:00 via iPhone
确实可能是第四条，因为我经常从我的网站统计里翻翻来源，然后就找到了一堆 Google 镜像，当然我不会公开出去
|
 |
8
HXM 2017-04-30 20:57:52 +08:00 via Android
我也发现了我的镜像站被收录了。。。
|
|
10
also24 OP 1
@HXM #9 我有用 verynginx，自己给自己的浏览器加了个 cookie 特征，在 verynginx 上配置放行策略
|
 |
12
bkmi 2017-04-30 22:06:13 +08:00
被扫到的，太正常了
|
|
13
also24 OP @bkmi #12 好奇这个扫是按什么来的，那些扫端口的我能理解，毕竟 IP 和端口就那么多，但是扫子域名？这工作量感觉有些大啊。
|
|
14
arnofeng 2017-04-30 22:57:19 +08:00 via iPhone
@arnofeng 为毛你比我更严格 我也加了 cookie 特征 nginx 自带就可以设置的 +同时判断后台 host+前端判断 host。手动滑稽。
|
 |
15
taineric 2017-04-30 23:09:19 +08:00 via Android
bing 爬虫在先还是那些网站收录在先？网站收录了肯定有爬虫。
|
|
16
taineric 2017-04-30 23:15:50 +08:00 via Android
谷歌必应都收录了，必应国内版触关键词被和谐了，国际版还可以看到
|
|
17
also24 OP @arnofeng #14 这里的 “更严格” 指的是 “开放范围更小” 啦，毕竟你的站还是开放给其它人使用的。而我只需要保证自己能用，所以只是在 cookie 里加了一段表明自己身份用来校验的信息啊。
@taineric #15 bing 在先，而且非常非常的快，站点刚上线 8 个小时 bing 就来了。比 bing 更早的是 trustnet 的证书扫描请求 208.93.152.79 - - [17/Apr/2017:10:06:36 +0000] "HEAD / HTTP/1.0" 301 0 "-" "-" 208.93.152.79 - - [17/Apr/2017:10:06:37 +0000] "HEAD / HTTP/1.0" 301 0 "-" "TLSProbe/1.0 (+https://scan.trustnet.venafi.com/)" 40.77.167.62 - - [17/Apr/2017:15:09:07 +0000] "GET / HTTP/1.1" 301 178 "-" "Mozilla/5.0 (compatible; bingbot/2.0; +http://www.bing.com/bingbot.htm)" |
|
18
also24 OP |
 |
19
just1 2017-04-30 23:59:04 +08:00 via Android
在 dns 服务商把搜索引擎 A 到 127.0.0.1
|
 |
21
alect 2017-05-01 16:22:36 +08:00
我有一个很私人的内容直接没敢做域名的 A 记录，自己在家里的路由器上加的记录……
|
Select Language