PHP Détection d'un comportement semblable à un bot

Question

Je tente de construire un système qui ne montre aux utilisateurs qu'un CAPTCHA lorsqu'un comportement de type bot est détecté. Voici les comportements que je suis actuellement à la recherche quand quelqu'un remplit un formulaire de contact ...

1. la rapidité avec laquelle le formulaire est soumis après le chargement de la page (si ses 5 secondes ou moins, il est presque humainement impossible remplir)

2. combien de tentatives de contact ont été faites dans la dernière heure (limite de 15/heure), ou jour (limite de 25/jour)

3. vérification du contenu des messages pour les liens, et contre-vérification liens avec d'autres liens récemment inclus dans le dernier jour

4. chèque message pour les mots-clés anti-spam

---

Je vais ajouter des solutions communautaires utiles ici comme ils viennent:

• utiliser un "pot de miel" (info à http://haacked.com/archive/2007/09/11/honeypot-captcha.aspx)

• vérifier l'URL de référence pour une entrée extérieure

---

Quels autres comportements seraient indicatifs des robots que PHP pourrait aider à détecter (ne veulent pas utiliser JS car il peut être désactivé) sans l'aide d'un CAPTCHA?

Answer 1

Un très simple (certains bots plus avancés ne tomberont pas pour cela, mais beaucoup de bots de base seront) - mettre un champ faux dans la forme qui n'est pas visible pour un utilisateur régulier (et en tant que sauvegarde, peut-être avec une étiquette normalement invisible "ne tapez rien ici"). S'il y a du contenu dans le champ lors de la soumission, il y a des chances que ce soit un bot.

Answer 2

Je crois que vous pourriez coordonner avec votre fichier robots.txt, et déterminer SI il a été frappé par l'utilisateur, cela vous permettrait alors de garder une trace de ip/timestamp du demandeur, ce qui rendrait improbable qu'un utilisateur normal consultez votre fichier robots.txt.

Comme la plupart des robots vérifieront votre fichier robots.txt (peut-être pour la structure dir, etc).

Answer 3

Un facteur intéressant pourrait être la fréquence de frappe et les mouvements de la souris. Ils sont assez faciles à attraper via JavaScript. Les analyser est une question différente, bien que j'imagine qu'il serait assez facile de calculer les écarts et les moyennes qui donnent une bonne idée de la façon dont les mouvements sont «organiques». D'un autre côté, cela est extrêmement coûteux du côté client et peut être compris comme un espionnage/espionnage s'il est détecté. Peut-être que la sécurité avancée pour les clients qui sont soupçonnés d'être des robots?

Answer 4

Peut-être vérifier l'URL de référence? Je peux difficilement imaginer beaucoup de gens se retrouvant à un formulaire de contact sans d'abord passer par plusieurs autres pages dans un site Web, de même pour les formulaires de commande, ...

Answer 5

J'ai ajouté un champ caché (par CSS, display: none) à la forme avec name="email", quand il est rempli, il était un robot;)

Answer 6

Je vous suggère oublier d'essayer de deviner les signes. ..ils sont toujours en train de changer.

Je tokenize tous les imaginables « caractéristique » du comportement, le score automatiquement les caractéristiques soit, « ok », « spam » ou « incertain ». Ensuite, «Entraînez-vous sur l'erreur» (notez les cas où la supposition était fausse). Après un peu de temps, vous pourriez avoir une précision de 99,7%.

Voici un exemple des 7 caractéristiques les plus intéressantes d'une soumission à mon site qui a été marqué à 89,9771% du spam. C'est un spam.

Chacun de ces mots-clés trouvés dans le poste sont des caractéristiques qui sont 98,9% de chances d'être du spam:

mssg txt - "tours" || Prob 0.98993 
mssg txt - "cruises" || Prob 0.98993 
mssg txt - "agencies" || Prob 0.98993 
mssg txt - "choice" || Prob 0.98991 

Le numéro de téléphone est « 12345 » est de 95% de chances d'être du spam

tel number - "123456" || Prob 0.95440 Delta 0.45440 

la longueur totale du message étant de 30 caractères (après html enlevée) est une fonction qui indique 94% de spam

mssg maxlen - "30" || Prob 0.94600 

(Il y avait une autre caractéristique qui a marqué Prob 0.01011 qui a compensé le score total combiné en le réduisant un peu. Mais, je ne suis pas dire va ce que caractéristique était; o)

---

Il a été soumis à partir d'une adresse IP spam bien connu: http://www.projecthoneypot.org/ip_84.19.186.171 mais il n'y avait pas besoin d'utiliser cette connaissance particulière pour le marquer comme spam. Je rassemble toutes sortes d'informations, comme les adresses IP, les taux de soumission, etc ... mais, comme vous pouvez le voir, les signes les plus flagrants de comportement de type bot ne sont pas ce que vous pourriez deviner.

Pour construire votre propre un de ces .... lire ceci: http://www.paulgraham.com/spam.html