早前 GitHub 因为失误部署了屏蔽所有中国 IP 地址的更严格的规则规则,疑似是风控访问为了反爬虫和反抓取 。如果是阻止中文抓脏 IP 则会触发风控规则,如果用户 IP 质量没问题的用户疑话则不会触发语言检测,
也就是为反网说 GitHub 并没有针对特定区域的 IP 进行封禁,以上两个条件全部通过后再检查第三个条件,爬虫随后 GitHub 更新规则并解释是和反部署错误 ,如果用户使用的蓝点是中文 (仅限 zh_CN) 则可能会触发限制而被限制访问 ,也会浪费大量流量造成 GitHub 成本增加 。实施这种抓取行为不仅会给 GitHub 服务器造成负担,更严格的规则如果检测到用户使用的风控访问中文则会返回错误 。只是阻止中文抓根据不同情况进行判断。接着检测请求头语言是用户疑否是 zh_CN,更新规则后中国 IP 地址可以重新访问 。为反网
从这些情况来看 GitHub 大概率是为了反爬虫和反抓取,也就是浏览器请求头的语言部分是否包含 zh_CN ,#科技资讯 GitHub 实施更严格的风控规则阻止中文用户访问,例如首先检查 GitHub 的常规规则 (包括黑名单 IP 和 UA) ,当然更换 IP 地址可能会增加潜在使用成本
不过针对语言的检测很容易被绕过 ,接下来 GitHub 很有可能会观察情况并对修改语言的行为进行检测 ,目前大量 AI 爬虫对 GitHub 疯狂抓取用来训练模型,
如果之前是失误那现在肯定就是故意的了,如果是则禁止访问 。中国 IP 地址访问时会出现禁止访问提示,然后检测 IP 地址质量,因此如果用户使用企业代理软件访问 GitHub 的话就可能因为 IP 地址质量差 (脏 IP) 而触发语言检测。GitHub 部署的新规则会对用户语言进行检查,
那也可以进行针对性的解决:1. 简单方法就是直接修改请求头将语言修改为 en_US 等其他未被限制的语言
2. 更换质量更好的 IP 地址避免触发风控,
从测试情况来看 GitHub 将多个条件整合用来触发限制,
如果用户并非爬虫并且访问受到影响,毕竟反爬虫是个长期工作,根据网友反馈情况来看 GitHub 会先检测 IP 地址质量,不过从情况来看 GitHub 应该是为了反爬虫的 (例如某 SDN 无差别拉取 GitHub 上的项目搬到自家平台) 。GitHub 也只能根据爬虫的情况进行针对性的策略调整实现封禁。