今天登陆百度统计，在自己一个垂直网站的在受访域名，发现了一个不是自己域名的统计，最近30天统计到了14个IP，对方要么采集，要么镜像，就点开了对方网站看了下，居然算是同行，利用我的网站达到引流的目的，然后进行售卖商品，我辛辛苦苦手更，都不舍得放广告。
解决方案
1、判断是否网站源码泄露
其实最担心的是网站源文件泄露，如果web文件+mysql数据库都泄露出去，说明有网站本身有很大的安全隐患，上半年朋友的网站里jquery.js曾发现后门，被上传了PHP木马。
当打开网站后发现网站的风格模板和我的不一样，排除掉源文件泄露。
2、判断是否被扒皮
网站模板被扒皮也很正常，只是有些粗心大意的忘记去掉了统计代码，还是和第一项一样，风格不一样。
3、网页源代码
那就查看源代码吧，查看的时候心里一惊，跟我的网站也太像了吧，包括代码的格式都和我一样，为什么外观不一样。
结果发现了这个东西
<script src="/503.js"></script>
放到了<!DOCTYPE html>前面
而503.js的代码如下
var aa=Math.round(Math.random()*8+1);
var ss = '<div id="showcloneshengxiaon" style="height: 100%; width: 100%; background-color: rgb(255, 255, 255); background-position: initial initial; background-repeat: initial initial;"><ifr'+'ame scrolling="yes" marginheight=0 marginwidth=0 frameborder="0" width="100%" width="14'+'00" height="100%" src="http://www.****.com/yigan/TAF.html"></iframe></div><style type="text/css">html{width:100%;height:100%}body {width:100%;height:100%;overflow:hidden}</style>';
eval("do"+"cu"+"ment.wr"+"ite('"+ss+"');");
try{
setInterval(function(){
try{
document.getElementById("div"+"All").style.display="no"+"ne";
}catch(e){}
for(var i=0;i<document.body.children.length;i++){
try{
var tagname = document.body.children[i].tagName;
var myid = document.body.children[i].id;
if(myid!="iconDiv1" && myid!="showcloneshengxiaon"){
// if(tagname!="center"){
document.body.children[i].style.display="non"+"e";
//}
}
}catch(e){}
}
},100);
}catch(e){}在<head>后面发现了如下代码
script>var V_PATH="/";window.onerror=function(){ return true; };</script>然后每个https的网址都被？代替，例如href="?/uploads/202001/888888.jpg的样子
接着就是最后在</html>后面的代码
<script>
var _hmt = _hmt || [];
(function() {
var hm = document.createElement("script");
hm.src = "https://hm.baidu.com/hm.js?28e71346fdf6b5b3a097c8484bf5775f";
var s = document.getElementsByTagName("script")[0];
s.parentNode.insertBefore(hm, s);
})();
</script>4、判断是采集还是镜像
这个办法很简单，那就再发布一篇文章，然后修改文章ID即可。
发布后，在对方网站更改ID，发现内容是同步更新的。
按照正常采集一般都是有间隔的，不可能实现实时的抓取入库，基本判断为镜像。
5、解决镜像的办法
一般还是用JS最为方便，这个方法也用不过很多次，就一下代码吧
host = window.location.host;
var site= "www.youurl.org";
if (host!=site )
{
alert(window.location.host+':为非法镜像网站，为了您的安全正在带您回到原网站');
location.href='http://'+site+window.location.pathname;
}这个代码保存为JS，然后网页调用即可，如果访问域名不是这个网址，那么会进行弹出对话框提示，然后跳转到原始站点。
我为了方便直接加到了现有已调用某个JS文件的最后，然后上传覆盖。
再次刷新对方文章，并没有出现对话框，代码应该没错，继续排查。
6、再次出现意外
发现对方将部分css js文件同步了本地，所以我在我服务器修改的，没办法解决。
图片类的没有同步下载，每次有新的内容更新，已经存在的文件不下载，新的文件会自动下载同步。
修改模板文件，再次增加一个js，进行内容页调用，然后再发布文章。
然后返回对方网站刷新，发现果然出现了提示框，并提示返回原始站点。
7、陷入难题
本来为自己解决了一个问题而高兴，时间晚了就睡觉了，结果第二天发现新发布的文章，即使有JS也不弹出对话框和跳转了，那就不做代码级的优化了，直接上大杀器吧。
8、屏蔽IP，阿西吧！
为了判断对方的真实IP，那就设置个陷阱吧。
a，发布一篇新的文章，然后不用点开，鼠标移上去看下文章Id
b，去对方网站，直接更换文章id，打开文章
c，回到管理后台删除文章
d，打开站点响应日志，复制到写字板，然后搜索文章id
e，果不其然发现几个异常IP，其中有一个居然是百度蜘蛛？
Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)"
不对啊，百度那会这么快访问我的网站，即便我做了主动提交，也不会即时，但是这个UA正确，后面的标准也是对的，不过这个IP很可以，是新加坡腾讯云，马脚漏出来的，那就nslookup ip命令反解ip，baiduspider的hostname以 *.baidu.com 或*.baidu.jp 的格式命名，非 *.baidu.com 或 *.baidu.jp 即为冒充，反解后发现妥妥的李鬼。
顺便Ping了下对方域名，也是这个iP，这算是对上了，顺手查下这个IP，以前居然被用作手游服务器，直接用150.109.55.0/24屏蔽IP段吧，虽然误伤了腾讯云该网段一些服务器，但是对普通用户访问和搜索引擎收录没有影响。
9、以绝后患
屏蔽IP端后，再次发布新文章进行测试，发现新的文章在对方文章不再显示。
只显示以下代码
<script src="/503.js"></script><script>
var _hmt = _hmt || [];
(function() {
var hm = document.createElement("script");
hm.src = "https://hm.baidu.com/hm.js?28e71346fdf6b5b3a097c8484bf5775f";
var s = document.getElementsByTagName("script")[0];
s.parentNode.insertBefore(hm, s);
})();
</script>这才是正确的，到此解决问题可以告一段落，顺手测试了以前的文章，发现打开速度比未屏蔽IP之前满了很多很多.
斩草除根，以绝后患，一个IP肯定不能解决问题，那就深挖下。
1、发现该镜像站的链接用新窗口打开是一个新的域名，居然是还是香港的ip，那就不好意思了，43.249.2.*IP段屏蔽。
2、通过域名查询whois信息，有些隐藏了邮箱，还好西部数码的还可以用pengpos*@outlook.com,为了隐私，最后个字母打码
4、查询这些域名的IP，然后再次封禁IP段，本次工作就告一段落了，以后在观察吧！
后话
现在的爬虫技术已经成为一个方向，爬虫如果按照既定的规则自动抓取网络信息，是可以大大提升效率的工具，但是目前所谓打着爬虫的旗号，进行大数据的采集、处理、分析、清洗、售卖，大数据作恶，对于我们普通人来说，是很难捉摸到的：我们既不认识这些敌人，更不知道他们在哪儿。爬虫爬得欢，监狱要坐穿；数据玩的溜，牢饭吃个够。大数据，一定会给人类生活带来便利；我也丝毫不惮以最坏的恶意，去揣测人心。
技术本身并无原罪，但是人心有。
希望以后可以出一些插件之类的方便咱们搞原创的个人博客~~保护咱们的成果
虽然版权意识在慢慢苏醒，但总归有些人利益熏心。
爬虫学的好，局子进的早。
爬虫玩得好,致富少不了。
666
思路很好，厉害！