有人在伪造 ClaudeBot 的身份大规模扫描漏洞，这事儿挺阴的

很多站长可能没注意到，现在的爬虫伪装已经进化到这种地步了。本来以为日志里出现 ClaudeBot 这种大模型爬虫是好事，说明内容被索引了，结果这其实是个掩护。有人通过伪造 User-Agent 冒充 ClaudeBot，在后台悄悄跑漏洞扫描，试图在不引起警觉的情况下摸清服务器的底细。

这种手段之所以聪明，是因为现在很多运维为了方便 AI 抓取，会特意在防火墙或 WAF 规则里给这些知名 AI Bot 开绿灯。一旦你信任了 User-Agent 字符串，攻击者就能绕过一部分基础拦截，直接把扫描流量灌进你的应用层。

如果你想排查自己的服务器是不是被这种伪造流量给骗了，不能只看 User-Agent，得从 IP 溯源。真正的 ClaudeBot 等大模型爬虫通常有公开的 IP 段或支持 DNS 验证。

具体排查和拦截建议走这个流程：

一、验证来源 IP
不要信任请求头，直接用 dig 或者 nslookup 查一下对方 IP 的反向 DNS 解析。如果解析结果不是 *.anthropic.com 或者官方公布的范围，直接判定为伪造。

二、在 Nginx 层做精细化拦截
如果你发现某些伪造的 ClaudeBot 流量异常高，且不在官方 IP 段内，可以用类似下面的配置强制拦截（这里以拦截非特定 IP 段但自称 ClaudeBot 的请求为例）：

if ($http_user_agent ~* "ClaudeBot") {
    # 这里需要配合 map 模块或具体的 IP 白名单
    # 如果 IP 不在官方白名单内，直接返回 403
    # 示例逻辑：非白名单 IP 且 User-Agent 包含 ClaudeBot 则拦截
    set $is_real_bot 0;
    # 假设官方 IP 段在此处定义
    if ($remote_addr ~* "1.2.3.4") { 
        set $is_real_bot 1;
    }
    if ($is_real_bot = 0) {
        return 403;
    }
}

三、部署动态频率限制
针对所有爬虫（无论真假），在 /etc/nginx/nginx.conf 里加上 limit_req，防止对方短时间内发起数万次扫描请求，把服务器资源跑满。

limit_req_zone $binary_remote_addr zone=bot_limit:10m rate=5r/s;

server {
    location / {
        limit_req zone=bot_limit burst=10 nodelay;
    }
}

总之，现在不能单纯靠 User-Agent 来做权限分发。对于这种伪装成 AI Bot 的攻击，最稳妥的实战方案还是 IP 白名单 + 频率限制。