2,000个代理IP,每个只发5条:你的阈值一条都没触发
引言
去年 9 月,短信验证码接口被刷了一夜。
早上下载账单:12 万条短信,4.7 万元。而我们的限流规则明明写着"单 IP 每分钟 5 次",监控上一条告警都没有——因为对手用了 2,000 个代理 IP,每个 IP 每分钟只发 4 条,卡在阈值下面,一条规则都没触发。
更糟的是我们随后的"应急处理":把阈值从 5 次调到 2 次。当天下午客服电话被打爆——一家公司几十号人共用一条出口 IP,正常登录全被拦了,误杀率 8%。
先给结论:防刷不是"把限流调紧",而是"选对限流维度"——维度的选择标准是"攻击者抬高这个维度需要多少成本",只按 IP 限流,等于把成本压给了攻击者最不缺的东西。
一、第一反应:调阈值,然后误杀
限流被绕过时,最自然的反应是"阈值定得太松"。这条路我们走了一个下午,撞上两个现实:
IP 不是一个人的身份。 NAT、企业出口、校园网、运营商共享池,一个 IP 背后可能是几十上百个真人。我们调紧之后,第一个被投诉的是一家客户公司的整个办公网——他们 60 多号人共用一条出口 IP,被当成"高频攻击源"。
IP 是最容易伪造的维度。 代理池、秒拨 IP、云主机,成本低到按量计费。攻击者不需要"突破"限流,只需要"分散到阈值以下"——1 万条请求打散到 2,000 个 IP,每个 IP 只承担 5 条,任何单 IP 规则都看不见。
所以调阈值只是把"漏"换成"误伤",问题的本质在维度,不在数字。
二、排查:三个分布说明 IP 维度没用
2.1 IP 分布:2,000 个 IP,每个 4~6 次
拉出攻击时段的访问日志,按 IP 聚合:
SELECT ip, COUNT(*) cnt, MIN(ts) first_ts, MAX(ts) last_ts
FROM access_log
WHERE api = '/sms/send' AND ts BETWEEN '2025-09-01 01:00' AND '03:00'
GROUP BY ip ORDER BY cnt DESC LIMIT 20;
Top 20 的 IP 各 300~400 次,但总量 12 万里,剩余 11.7 万分散在 2,000 多个 IP 上,每个 4~6 次。Top 20 那部分早就被规则拦了,真正的窟窿是"长尾"。
限流规则拦的是"突出的那一个",而攻击的形态是"平均的每一个"。
这条聚合 SQL 还有个细节:access_log 里必须带上真实客户端 IP,而不是负载均衡的 IP。如果网关没做 XFF 还原,你看到的"2,000 个 IP"其实是 3 个回源 IP,聚合出来的分布完全是假的——这种"看起来限流生效了"的日志,比没有日志更误导人。
2.2 号码分布:号码随机,号段聚集
手机号是按规则生成的,HASH 之后在 Redis 里看不到任何热点。但把号码前缀聚合,发现 92% 落在三个号段——这是明显的机器生成特征(真人不会恰好集中在三个号段)。
号段聚集还能反推生成策略:三个号段的号是连续递增的,说明脚本在按区间遍历。这种"顺序"本身就是特征,比"号码有没有在库里"更容易识别。
2.3 请求间隔:机器比人更"守时"
按号码拉出请求时间序列,计算相邻请求的间隔标准差:真人操作是 3 秒到 30 秒之间大幅波动,这批请求的标准差只有 0.4 秒——像是每 6.5 秒发一条的定时任务。
真人的行为特征里还有一条:失败会重试,而且重试间隔越来越长。脚本不会,它按固定节奏一直撞。所以"间隔标准差"和"失败后的重试曲线"是两个很便宜的机器人指纹。
三个分布拼起来,结论很清楚:攻击者没有"突破"我们的限流,他只是把流量摊平到每个维度都合规。要抓住他,必须换一个"他抬高成本更贵"的维度。
三、正解:四道闸,从总量到个体
3.1 第一道:全局总闸,保护资源本身
在所有维度之前,先有一个不区分来源的总量限制。它的作用不是识别攻击者,而是保证"无论谁在刷,短信网关的账单和下游压力都有上限"。
用 Redis ZSET 做滑动窗口,比固定窗口精确,也避免"窗口边界双倍突发":
-- KEYS[1] = 限流key ARGV[1] = 当前时间戳(ms) ARGV[2] = 窗口(ms) ARGV[3] = 阈值
local now = tonumber(ARGV[1])
local window = tonumber(ARGV[2])
redis.call('ZREMRANGEBYSCORE', KEYS[1], 0, now - window)
local cnt = redis.call('ZCARD', KEYS[1])
if cnt >= tonumber(ARGV[3]) then
return 0
end
redis.call('ZADD', KEYS[1], now, ARGV[1] .. '-' .. math.random())
redis.call('PEXPIRE', KEYS[1], window)
return 1
ZADD 的 member 加随机后缀,避免同一毫秒的请求被当成同一条。这段脚本在 Redis 侧原子执行,"清理 + 计数 + 写入"三步不会被打断——这正是固定窗口方案做不到的。
固定窗口的毛病可以用一个例子说清:阈值 100/分钟,在 00:59 打 100 条、01:00 再打 100 条,两分钟内 200 条全部放行,因为每条都落在自己的窗口内。滑动窗口没有这个缝,它的"窗口"是跟着当前时间滚动的。
代价也要认:ZSET 要为每条请求存一个 member,内存是固定窗口的几十倍。所以全局总闸用滑动窗口,个体维度用计数器 + 短窗口就够了,别所有维度都上 ZSET。
3.2 第二道:个体细闸,按"攻击成本"选维度
| 维度 | 攻击者抬高成本 | 可绕过性 | 误杀风险 | 适用场景 |
|---|---|---|---|---|
| IP | 低(代理池按量计费) | 高 | 中(NAT 共享) | 粗筛,只做第一层 |
| 手机号 | 中(需真实号码) | 中 | 低 | 短信、注册 |
| 账号 | 高(需养号) | 低 | 低 | 登录、下单 |
| 设备指纹 | 高(需改机工具) | 低 | 中(同型号误判) | 关键接口 |
| 全局总量 | 极高(无法绕过) | 极低 | 高(会拦正常峰值) | 兜底保险 |
选择原则:优先用"攻击者必须付出真实资产"的维度。 手机号要真实号码,账号要养号成本,设备指纹要改机工具——这些都比"换个 IP"贵得多。IP 只留作粗筛,不承担主要判断。
维度不是越多越好。每多一个维度就多一次 Redis 调用,也多一份误杀可能。我们的做法是"两层判定":先看设备指纹和账号(成本最高、误杀最低),命中就直接拦;都没命中再查 IP 和号段,只作为加权分。 把维度分成"决定性"和"参考性"两类,规则才可维护。
3.3 第三道:黑名单,分类型 + 阶梯 TTL
黑名单不是"封 IP",而是按维度分开存、分开解:
// 一次违规,四个维度同时记,但 TTL 不同
public void markBad(String ip, String phone, String deviceId, String accountId, int level) {
long ttl = switch (level) {
case 1 -> 3600L; // 首次:1 小时
case 2 -> 86400L; // 再犯:1 天
default -> 604800L; // 三次以上:7 天
};
redis.opsForValue().set("bl:ip:" + ip, "1", ttl, TimeUnit.SECONDS);
redis.opsForValue().set("bl:phone:" + phone, "1", ttl, TimeUnit.SECONDS);
redis.opsForValue().set("bl:device:" + deviceId, "1", ttl, TimeUnit.SECONDS);
redis.opsForValue().set("bl:account:" + accountId, "1", ttl, TimeUnit.SECONDS);
metrics.counter("blacklist.add", "level", String.valueOf(level)).increment();
}
阶梯 TTL 是关键:首次违规只封 1 小时,因为真实用户也可能误触(比如连续点两次获取验证码)。三次以上才封 7 天,那时候基本可以确定是机器。
黑名单命中要"静默拒绝"——返回和正常失败一样的响应,不要返回"你已被封禁"。返回明确原因,等于告诉攻击者"你被识别了,换个维度继续",也让他在试探中不断校准。
四个维度不是"一起封":设备指纹命中,就只封设备;只有全局总闸被击穿、或者多维同时命中,才升级到"封 IP + 封号"。误封的代价不一样,处置的力度也应该不一样——封一个 IP 可能影响一家公司,封一个设备只影响一个人。
3.4 第四道:把成本前置到攻击者身上
限流和黑名单都是"事后识别",最有效的一道其实是让请求本身变贵:
- 高风险接口(注册、短信、领券)强制图形验证码或滑块
- 验证码不是每次都出,而是"风险评分超过阈值才出"——正常用户几乎无感
- 风险评分 = IP 分散度 + 设备指纹是否首次出现 + 请求间隔规整度 + 号段聚集度
这一道能把 90% 的脚本攻击挡在"识别"之前,因为它要求攻击者具备图像识别能力,成本直接上升一个量级。
验证码也有反作用:它会劝退一部分真实用户。所以"什么时候出验证码"必须靠评分,不能靠接口类型一刀切。我们的阈值定在"评分 60 分以上才出",上线后正常用户的验证码触发率只有 2.1%——这些人在其他场景里本来也会触发风控,体感可以接受。
四、效果与代价
改造上线一周后的数据:
- 短信发送量:12 万/夜 → 3,400/夜
- 误杀率:8% → 0.3%(申诉量同步从 200+ 降到 4)
- 命中分布:全局总闸拦 41%,维度细闸拦 47%,黑名单拦 9%,验证码前置劝退 3%
代价也很明确:多了一次 Redis 往返(P99 +1.2ms),以及一个必须长期维护的"规则运营"——防刷是持续对抗,不是一次上线。
"持续对抗"具体体现在两件事上:规则要按周看误杀和漏网的样本,每次攻击的形态都在变;阈值要能一分钟内调整,所以规则不能写在代码里,得放配置中心,和线程池调参一样支持热更新。应急时改代码再发布,等发完攻击已经结束了。
五、避坑清单
- 只按 IP 限流等于不限流,攻击者最不缺的就是 IP。
- 全局总闸必须单独存在,否则任何维度被绕过都会直接打到下游。
- 阈值不要对外暴露,返回"剩余 3 次"等于给攻击者递校准器。
- 黑名单静默拒绝,返回明确封禁原因会加速对方换维度。
- 黑名单要能解封且有人工通道,误封的设备指纹可能就是一台新手机。
- 滑动窗口优于固定窗口,后者在窗口边界会放过双倍突发。
- 规则变更要灰度,一次性收紧阈值,误杀会集中爆发。
收尾
防刷的核心不是"拦住多少请求",而是"让攻击者每多打一次,成本就抬高一截"——维度选对,规则才有效;维度选错,阈值调多紧都只是换一种受伤方式。
你们的验证码接口是按 IP 限流,还是按号码和账号?有没有遇到过"规则全合规、账单却翻倍"的情况?
关注我,每周拆一个真实生产故障。
标题:2,000个代理IP,每个只发5条:你的阈值一条都没触发
作者:jiangyi
地址:http://jiangyi.space/articles/2026/11/09/1794146936166.html
公众号:服务端技术精选
评论