首页 / 资讯动态 / CC防御策略区分移动端与PC端恶意请求

CC防御策略区分移动端与PC端恶意请求

CC攻击的防御难点从来不在于“能不能识别”,而在于“识别之后怎么处理”。移动端和PC端请求在TCP/IP层面几乎没有区别,但在TLS指纹、HTTP头顺序、屏幕参数、触控事件、网络环境、行为节奏上存在系统性差异。直接套用同一套CC防御策略,要么误杀大量真实移动用户,要么放过伪装成移动端的攻击流量。真正有效的做法是把移动端和PC端拆开,分别建立请求特征基线,再针对各自流量形态做异步校验和阶梯式处置。

移动端与PC端恶意请求的本质差异

PC端CC攻击大多来自被控主机或云服务器,请求特征偏向“机械化”:固定User-Agent、固定屏幕分辨率、缺少完整浏览器API调用链、Cookie处理不完整、TLS握手参数高度一致。移动端CC攻击则更复杂,一部分来自模拟器群控,一部分来自真机肉鸡,还有一部分来自嵌入WebView的自动化脚本。模拟器群控的请求会带上Android或iOS的系统标识,但传感器数据、电池状态、设备内存、字体渲染列表往往缺失或异常。真机肉鸡的请求在设备层面看起来正常,但行为节奏会被脚本统一,比如固定时间间隔点击、固定路径跳转、固定滑动轨迹。

把移动端和PC端混在一起做频率限制,问题非常明显:移动运营商NAT出口下,一个IP可能承载成百上千个真实用户,按IP做请求计数会直接误伤正常流量。PC端宽带用户IP相对独立,但攻击者更容易租用大量代理IP来稀释频率。所以移动端防御不能依赖IP信誉,PC端防御不能只靠频率阈值。

先做流量分离,再谈防御策略

流量分离是第一步。最直接的方式是在接入层根据User-Agent和TLS指纹做粗粒度分流。User-Agent虽然可以伪造,但伪造的UA往往与TLS握手特征不匹配。真实移动端Safari的TLS指纹与桌面Chrome完全不同,Android微信WebView的TLS握手参数也有固定模式。可以在Nginx或网关层提取TLS ClientHello中的密码套件顺序、扩展列表、椭圆曲线参数,与UA声称的客户端类型做比对。不匹配的流量直接标记为高风险,进入更严格的校验通道。

移动端流量进入独立处理管道后,优先校验设备完整性。通过注入JavaScript收集屏幕尺寸、设备像素比、触摸事件支持、传感器API存在性、电池充电状态、内存大小。真实移动设备这些数据之间存在强关联,比如屏幕宽度375pt的设备,设备像素比通常是2或3,触摸事件必然存在,传感器API不会全部缺失。模拟器或脚本环境往往只伪造了UA和屏幕分辨率,却漏掉了设备内存或电池状态。收集到这些数据后,在后端做一致性校验,异常组合直接判定为自动化请求。

PC端防御重点:浏览器行为指纹与工作量证明

PC端恶意请求的识别重点在于浏览器环境是否完整。真实用户通过浏览器访问,会执行完整的JavaScript渲染流程,产生Canvas指纹、WebGL指纹、字体列表、插件列表、音频上下文指纹。攻击脚本通常使用无头浏览器或简单HTTP客户端,这些环境要么缺少WebGL,要么字体列表为空,要么Canvas渲染结果与真实浏览器有细微差异。可以在页面中嵌入轻量级指纹采集脚本,把结果哈希后随请求提交,后端比对哈希是否在已知真实浏览器范围内。

工作量证明是PC端防御的有效补充。对于疑似自动化流量,返回一个需要执行JavaScript计算的任务,比如求解一个特定难度的哈希前缀。真实浏览器执行这段计算几乎没有感知,而无头浏览器或简单脚本需要额外实现JavaScript引擎,成本显著上升。难度可以动态调整,攻击流量越大,计算难度越高,形成自适应压力。

移动端防御重点:行为节奏与网络环境校验

移动端真实用户的操作节奏具有天然随机性。点击间隔、滑动速度、页面停留时间、滚动加速度都符合人类操作分布。群控脚本为了效率,往往把操作间隔压缩到固定值,或者使用均匀分布的随机数。可以在前端采集触摸事件的时间戳序列和坐标序列,在后端做统计检验。真实用户的点击间隔通常服从对数正态分布,脚本生成的间隔往往过于均匀或过于集中。滑动轨迹方面,真实手指滑动会有微小抖动和加速度变化,脚本生成的轨迹则过于平滑。

网络环境校验同样关键。移动端用户经常在WiFi和蜂窝网络之间切换,IP地址会发生变化,ASN归属也会变化。如果一个移动端会话在短时间内从多个不同ASN的IP发起请求,且每次请求的TLS会话ID不延续,基本可以判定为代理或模拟器。反之,真实移动用户在蜂窝网络下,IP可能频繁变化但ASN相对稳定,TLS会话保持能力也更强。可以把ASN稳定性和TLS会话复用率作为移动端信任度指标。

异步校验与阶梯式处置的落地架构

不要把校验逻辑全部塞进同步请求路径。同步校验会增加延迟,影响真实用户体验。更合理的架构是:接入层先做快速分流和粗粒度过滤,把可疑流量标记后放行到业务后端,同时异步启动深度校验。深度校验结果出来后,如果确认是恶意请求,再通过风控平台下发处置指令,对后续请求进行拦截或挑战。这样真实用户不会被同步校验拖慢,攻击流量也会在短时间内被识别并阻断。

阶梯式处置的核心是“先观察、再挑战、后拦截”。第一级是标记观察,记录请求特征但不做任何限制。第二级是注入挑战,比如要求执行JavaScript工作量证明或滑动验证。第三级是限制访问频率,把该客户端或IP的请求速率降到极低。第四级才是完全拦截。每一级的升级条件要基于多维特征,而不是单一指标。比如移动端流量只有在设备指纹异常、行为节奏异常、网络环境异常同时出现时,才升级到挑战级别。

具体配置示例与参数建议

在Nginx层做TLS指纹分流,可以使用nginx-module-vts或自定义Lua脚本提取ClientHello参数。以下是一个简化的Lua示例,用于判断TLS指纹与UA是否匹配:

-- 在ssl_certificate_by_lua_block中提取TLS指纹
local ssl = require "ngx.ssl"
local raw_client_hello = ssl.get_client_hello()
if raw_client_hello then
    local cipher_suites = raw_client_hello:get_cipher_suites()
    local extensions = raw_client_hello:get_extensions()
    -- 计算指纹哈希
    local fingerprint = ngx.md5(table.concat(cipher_suites, ",") .. table.concat(extensions, ","))
    ngx.ctx.tls_fingerprint = fingerprint
end

-- 在access_by_lua_block中比对UA与指纹
local ua = ngx.var.http_user_agent or ""
local fp = ngx.ctx.tls_fingerprint or ""
if ua:find("iPhone") and not fp:match("^safari_ios_") then
    ngx.var.risk_level = "high"
end

移动端设备完整性校验的JavaScript片段可以这样设计:

(function() {
    var data = {
        screenW: screen.width,
        screenH: screen.height,
        dpr: window.devicePixelRatio || 1,
        touch: 'ontouchstart' in window,
        maxTouchPoints: navigator.maxTouchPoints || 0,
        memory: navigator.deviceMemory || 0,
        battery: 'getBattery' in navigator ? 1 : 0,
        sensors: 'DeviceMotionEvent' in window ? 1 : 0
    };
    var xhr = new XMLHttpRequest();
    xhr.open('POST', '/_internal/device_check', true);
    xhr.setRequestHeader('Content-Type', 'application/json');
    xhr.send(JSON.stringify(data));
})();

后端收到设备数据后,建立规则引擎做一致性校验。例如:如果dpr大于1但maxTouchPoints为0,说明是PC浏览器伪装移动端;如果memory为0但UA声称是iPhone 14,说明环境异常;如果battery为0且sensors为0,大概率是模拟器。这些规则需要根据实际业务流量持续调优,不能一上线就设置过严阈值。

移动端与PC端策略的协同与隔离

两条防御管道要独立运行,但风控决策要统一。移动端识别出的恶意特征可以同步给PC端管道做参考,比如某个攻击团伙同时控制PC和移动设备,其行为模式在两端会有相似性。但不要直接把移动端的IP黑名单应用到PC端,因为移动端IP共享严重,PC端IP相对独立,误伤概率不同。

在策略更新频率上,移动端规则需要更频繁地迭代。模拟器厂商会不断更新指纹伪装能力,真机肉鸡的固件版本也在变化。建议每周分析移动端流量的设备特征分布变化,发现新的异常组合及时补充规则。PC端规则相对稳定,浏览器指纹的底层逻辑变化较慢,可以每月做一次基线更新。

监控指标与效果评估

分离防御策略上线后,需要监控几个关键指标:移动端挑战率、PC端挑战率、移动端误杀率、PC端误杀率、攻击拦截成功率。误杀率可以通过用户投诉、客服反馈、转化率波动来间接评估。如果移动端挑战率突然升高,可能是某个运营商出口IP被误判,需要检查ASN维度的特征。如果PC端误杀率上升,可能是浏览器指纹库过期,需要更新真实浏览器指纹基线。

攻击拦截成功率不能只看拦截了多少请求,还要看攻击者是否在持续调整策略。如果攻击流量在拦截后短时间内下降,但几小时后又以新的特征出现,说明攻击者在对抗。这时候需要检查规则是否过于依赖单一特征,是否容易被绕过。好的防御策略应该让攻击者的调整成本远高于防御方的更新成本。

最终目标是让移动端真实用户和PC端真实用户都无感知地通过,而攻击流量在进入业务逻辑之前就被消耗掉大部分资源。这需要持续运营,而不是一次性配置。把移动端和PC端分开处理,是降低误伤、提高拦截精度的基础,也是CC防御从粗放走向精细的必经之路。