不到兩個月，2018年春節(jié)要來了。

“今年我得早下手，搶張回家的低價機(jī)票?！痹诒本┐蚬さ男⊥鯇萍既請笥浾哒f，由于老家在云南，春節(jié)機(jī)票太貴，他都選擇坐兩天兩夜的火車回去，長途跋涉，苦不堪言。

然而，就在小王摩拳擦掌，準(zhǔn)備使出“洪荒之力”搶張便宜機(jī)票時，看到網(wǎng)上曝出這樣一則消息：航空公司放出的低價機(jī)票，80%以上被票務(wù)公司的“爬蟲”搶走，普通用戶很少能買到。

小王傻眼了，“爬蟲”究竟是什么鬼？它又是怎么搶機(jī)票的？難道就沒有辦法治理嗎？

借助超鏈接信息抓取網(wǎng)頁

“‘爬蟲’技術(shù)是實現(xiàn)網(wǎng)頁信息采集的關(guān)鍵技術(shù)之一，通俗來說，‘爬蟲’就是一段用來批量、自動化采集網(wǎng)站數(shù)據(jù)的程序，幾乎不需要人工干預(yù)?！北本├砉ご髮W(xué)網(wǎng)絡(luò)科學(xué)與技術(shù)研究院副教授閆懷志告訴科技日報記者。

閆懷志介紹，“爬蟲”又稱網(wǎng)頁“蜘蛛”、網(wǎng)絡(luò)機(jī)器人，它是一種按照一定規(guī)則自動抓取網(wǎng)頁信息的程序或者腳本，通常駐留在服務(wù)器上。在Web網(wǎng)頁中，既包含可供用戶閱讀的文字、圖片等信息，還包含一些超鏈接信息。網(wǎng)絡(luò)“爬蟲”正是借助這些超鏈接信息來不斷抓取網(wǎng)絡(luò)上的其他網(wǎng)頁。

“這種信息采集過程很像一個爬蟲或蜘蛛在網(wǎng)絡(luò)上漫游，網(wǎng)絡(luò)‘爬蟲’或網(wǎng)頁‘蜘蛛’因此得名?！遍Z懷志說，“爬蟲”最早應(yīng)用在搜索引擎領(lǐng)域，比如谷歌、百度、搜狗等搜索引擎工具每天需要抓取互聯(lián)網(wǎng)上數(shù)百億的網(wǎng)頁，它們需要借助龐大的“爬蟲”集群來實現(xiàn)搜索功能。

當(dāng)前，“爬蟲”已被廣泛用于電子商務(wù)、互聯(lián)網(wǎng)金融等諸多領(lǐng)域。比如，“爬蟲”可以抓取航空公司官網(wǎng)的機(jī)票價格，發(fā)現(xiàn)低價或緊俏機(jī)票后，“爬蟲”可以利用虛假客源的真實身份信息實現(xiàn)搶先預(yù)訂。再有，很多互聯(lián)網(wǎng)瀏覽器都推出了自己的搶票插件，以高訂票成功率來推廣瀏覽器。

根據(jù)抓取任務(wù)和目標(biāo)的不同，網(wǎng)絡(luò)“爬蟲”可大致分為批量型、增量型和垂直型。批量型“爬蟲”的抓取范圍和目標(biāo)較為明確，可以是網(wǎng)頁的設(shè)定數(shù)量，也可以是消耗時間的設(shè)定。增量型“爬蟲”主要用于持續(xù)抓取更新的網(wǎng)頁，以適應(yīng)網(wǎng)頁的不斷變化。垂直型“爬蟲”主要是用于特定主題內(nèi)容或特定行業(yè)的網(wǎng)頁。

“爬蟲”究竟是如何搶票的

此前，在線票務(wù)服務(wù)公司攜程的“反爬蟲”專家在技術(shù)分享中透露，某網(wǎng)站的一個頁面，每分鐘的瀏覽量是1.2萬，真實用戶只有500個，“爬蟲”流量占比為95.8%。

采訪中，很多業(yè)內(nèi)人士也表示，即使在“爬蟲”活動的淡季，虛假流量也占到訂票網(wǎng)站總流量的50%，高峰期更是在90%以上。

那么，“爬蟲”究竟是如何實現(xiàn)搶票的呢？對此，閆懷志解釋，主要是機(jī)票代理公司利用“爬蟲”技術(shù)，不斷抓取航空公司售票官網(wǎng)網(wǎng)頁信息，如果發(fā)現(xiàn)該航空公司有低價票放出，“爬蟲”即刻利用虛假客源身份進(jìn)行批量預(yù)定但不實際支付，以達(dá)到搶占低價票源的目的。由于“爬蟲”的效率遠(yuǎn)遠(yuǎn)超過正常的手動操作，導(dǎo)致通過正常操作幾乎無法搶到票。

隨后，機(jī)票代理公司會通過其自身銷售渠道(包括公司網(wǎng)站、在線旅行社、客戶電話訂購等)找到真正的客源，在航空公司允許的賬期內(nèi)，退訂此前使用虛假客源身份預(yù)定的低價票，然后使用真實身份信息進(jìn)行訂購，最后實現(xiàn)該低價票的加價轉(zhuǎn)售。

如果未在航空公司規(guī)定的賬期內(nèi)找到真正客源，機(jī)票代理公司會在訂單失效前再追加虛假身份訂單，繼續(xù)“霸占”該低價票，如此反復(fù)，直至找到真正客源售出為止。

“上面的操作流程就構(gòu)成了完整的機(jī)票銷售鏈條。在這個過程中，航空公司售票系統(tǒng)允許在賬期內(nèi)反復(fù)訂、退票的規(guī)定為機(jī)票代理公司利用‘爬蟲’搶票并加價獲利提供便利。這種搶票方式，被稱為技術(shù)‘黃?！！遍Z懷志強(qiáng)調(diào)。

的確，有業(yè)內(nèi)人士表示，這些“爬蟲”流量消耗了大量的機(jī)器資源，卻不產(chǎn)生任何消費，這是每個公司最痛恨的東西。但是，因為怕誤傷真實用戶，各家公司的“反爬蟲”策略做得非常謹(jǐn)慎。

采用一定手段 “爬蟲”可防可控

任何事情都有兩面，“爬蟲”技術(shù)也不例外。

在閆懷志看來，“爬蟲”既可為正常的數(shù)據(jù)批量獲取提供有效的技術(shù)手段，也可被惡意使用以獲取不當(dāng)利益。如果“爬蟲”技術(shù)被不正當(dāng)利用，就會帶來一定的危害。

首先，威脅數(shù)據(jù)安全。航空公司售票網(wǎng)站數(shù)據(jù)被惡意爬取，數(shù)據(jù)可能會被機(jī)票代理公司惡意利用，而且還存在被同業(yè)競爭對手獲取的風(fēng)險。

其次，導(dǎo)致系統(tǒng)性能下降，影響用戶體驗?！芭老x”大量的抓取請求會導(dǎo)致航空公司售票網(wǎng)站服務(wù)器資源負(fù)載上升、性能下降，網(wǎng)站響應(yīng)變慢甚至無法提供服務(wù)，對用戶搜索和交易體驗造成負(fù)面影響。但由于存在巨大的灰色利益空間，同時“反爬蟲”技術(shù)在與“爬蟲”對抗中作用有限，使得這種顯失公平的“作弊”方式成為擾亂機(jī)票市場秩序的技術(shù)“頑疾”。

“從技術(shù)角度來看，阻擊‘爬蟲’可以通過網(wǎng)站流量統(tǒng)計系統(tǒng)和服務(wù)器訪問日志分析系統(tǒng)。”閆懷志說，通過流量統(tǒng)計和日志分析，如果發(fā)現(xiàn)單個IP訪問、單個session訪問、User-Agent信息超出設(shè)定的正常頻度閾值，則判定該訪問為惡意“爬蟲”所為，將該“爬蟲”的IP列入黑名單以拒絕其后續(xù)訪問。

再就是設(shè)置各種訪問驗證環(huán)節(jié)。比如，在可疑IP訪問時，返回驗證頁面，要求訪問者通過填寫驗證碼、選取驗證圖片或者字符等方式實現(xiàn)驗證。如果是惡意“爬蟲”爬取，顯然很難完成上述驗證操作，進(jìn)而可以封鎖該“爬蟲”的訪問，防止其惡意爬取信息。

互聯(lián)網(wǎng)空間不能有“灰色地帶”

當(dāng)前，云計算、大數(shù)據(jù)等為代表的新一代信息技術(shù)處在高速發(fā)展階段。

“上述新技術(shù)如果被非法或者不當(dāng)應(yīng)用，則會產(chǎn)生嚴(yán)重的危害?；ヂ?lián)網(wǎng)空間安全需要建立健全完善的保護(hù)體系，絕不能‘裸奔’?！遍Z懷志說。

2017年6月1日，我國《網(wǎng)絡(luò)安全法》正式實施，明確了各方在網(wǎng)絡(luò)安全保障中的權(quán)利與責(zé)任。這是中國網(wǎng)絡(luò)空間治理和法制建設(shè)從量變到質(zhì)變的重要里程碑，這部法律作為依法治網(wǎng)、化解網(wǎng)絡(luò)風(fēng)險的法律重器，成為我國互聯(lián)網(wǎng)在法治軌道上健康運行的重要保障。

然而，目前對于高科技“黃牛”倒票行為，尚未有明確規(guī)定，使得惡意爬取信息并不當(dāng)獲利行為處在法律法規(guī)監(jiān)管的“灰色地帶”。

閆懷志介紹，國際上，針對“爬蟲”應(yīng)用，專門制訂了Robots協(xié)議(即“爬蟲”協(xié)議、網(wǎng)絡(luò)機(jī)器人協(xié)議等)。該協(xié)議全稱為“網(wǎng)絡(luò)爬蟲排除標(biāo)準(zhǔn)”，網(wǎng)站可通過該協(xié)議告知“爬蟲”可以爬取哪些頁面及其信息，不能爬取哪些頁面及其信息。該協(xié)議作為網(wǎng)站和“爬蟲”的溝通方式，用來規(guī)范“爬蟲”行為，限制不正當(dāng)競爭。

作為國際互聯(lián)網(wǎng)界通行的道德規(guī)范，該協(xié)議的原則是：“爬蟲”及搜索技術(shù)應(yīng)服務(wù)于人類，同時尊重信息提供者的意愿，并維護(hù)其隱私權(quán)；網(wǎng)站有義務(wù)保護(hù)其使用者的個人信息和隱私不被侵犯。這就規(guī)定了爬取者和被爬取者雙方的權(quán)利和義務(wù)。

一位不愿具名的法律專家也表示，“反爬蟲”不僅要依靠技術(shù)防范和業(yè)界自律，還應(yīng)該通過完善管理和法律法規(guī)手段來約束這種行為，尤其是法律手段才能彰顯懲治力和震懾力。航空公司也要完善賬期管理，不給“爬蟲”搶票提供機(jī)會。

本報記者 付麗麗