AI 视频平台如何防止恶意爬虫？

视频类流量和普通 Web 的三个差异

维度	普通页面	视频分发
单次会话请求数	数十个	成百上千个分片请求
带宽成本敏感度	低	极高，流出流量是主要成本项
盗刷隐蔽性	容易从 PV 异常发现	假播放量混在真实数据里，难察觉

正因为一个会话会产生海量分片请求，只做「每 IP 请求数」限流会立刻误伤正常用户——家庭宽带 NAT、移动网络出口、公司 Wi-Fi 都是共享 IP。视频场景必须先用签名令牌把「合法性」判据从 IP 转移到凭据上。

五个防护层次与落地顺序

1. 签名 URL 与短时效令牌（先做，不依赖任何套餐）。 每个播放会话签发带过期时间的令牌，令牌与用户会话/设备绑定，过期即失效。如果你用 Cloudflare Stream，可以直接用它的 signed tokens；如果是自建源站，这一层由应用层签发与校验。它的作用是把「拿到 URL 就能无限看」变成「拿到也只能用几分钟」。

2. 播放器接口的会话级限流。 对播放列表、分片、字幕/封面等元数据接口分别设配额，配额键优先用令牌里的用户或会话 ID，而不是源 IP。

套餐门槛要看清：标准版 Rate limiting rules 的计数维度受套餐限制——免费档只能按 IP 计数，Business 支持 IP 与「支持 NAT 的 IP」，只有 Enterprise 才额外提供 Path、Header、Cookie、Query、Host、ASN、Country、JA3/JA4 等维度。想把请求正文里的字段或 JWT 声明当作计数键，需要 Advanced Rate Limiting（Enterprise 付费附加项）。 因此：在多数套餐上，「按会话 ID 限流」应放在应用层（或网关），边缘只按 IP/路径做粗粒度抑制。

3. 识别非浏览器拉流。 脚本通常用 FFmpeg、curl 或 headless 内核直接请求 m3u8，缺少正常播放器会带的导航、指纹和节奏特征。Cloudflare 依据 TLS 指纹、请求序列规律性和浏览器环境完整性给出判断；对可疑请求下发托管挑战或要求通过 JS 校验，而不要一刀切封 IP。

细粒度 bot score（1–99）需要 Enterprise 的 Bot Management 订阅。Pro 与 Business 只有分组视图，且 「likely automated」分组在 Pro 上不可用（Business 起才有）。别把需要精确分值的策略设计在低套餐上。

4. 播放行为异常检测（应用层）。 关注三类信号：单会话分片请求速率远超正常播放速率（例如 1 秒下载 10 分钟内容）、仅请求元数据从不拉分片（疑似批量采集目录）、大量会话只有开始播放没有心跳（疑似刷量）。这三类都需要播放端埋点与服务端会话状态，边缘产品无法替你判定。

5. CDN 成本治理。 把「流出流量按目录/令牌/Referer 维度」的账单级指标接入告警。很多平台是账单暴涨后才发现被盗刷——成本控制点和攻击检测点必须是同一处。

常见威胁与对应控制

威胁	典型特征	控制点	谁能做
批量采集剧集目录	高频访问元数据、从不拉分片	元数据接口限流 + Bot 分组挑战	边缘抑制 + 应用层判定
盗链 / 嵌入播放	外站 Referer、无签名令牌	短时效签名 URL，Referer 仅作辅助	应用层签发
假量刷播放	多会话只有 play 事件、无心跳	会话完整性校验 + 去重计数	应用层
凭据填充撞库	登录端点失败率突增、来源分散	登录限流 + Bot 识别 + 二次校验	边缘 + 应用层
CDN 流出成本失控	账单突增但 PV 平稳	按令牌/目录维度的带宽告警	应用层 / 计费系统

Cloudflare 能力 vs 应用层职责

事项	Cloudflare 能给到的	套餐门槛	应用层必须做的
速率抑制	Rate limiting rules	全套餐，规则条数与计数维度随套餐递增	按会话/租户的精确配额
正文或 JWT 计数键	Advanced Rate Limiting	Enterprise 付费附加项	低套餐下把计数放在应用层
自动化识别	Bot Fight Mode / Super Bot Fight Mode / Bot Management	Free / Pro、Business / Enterprise 订阅	播放心跳与会话完整性判定
精确 bot 分值	bot score 1–99	Enterprise Bot Management	制定各分值的处置策略
强身份与防盗链	mTLS（全套餐可用，自定义 CA 限 Enterprise）、签名令牌	见左	令牌签发、绑定与过期策略
自定义规则	WAF custom rules	Free 5 / Pro 20 / Business 100 / Enterprise 1,000 条	规则语义与误伤回滚

套餐与计费细节见 AI SaaS 如何防止 API 被恶意调用？。

边界与不适用情况

• 边缘计数器按数据中心独立累计（文档中有一个隐式强制的 cf.colo.id 计数维度），且从检测到超限到执行动作可能有几秒延迟。文档也明确说明限流规则不是用来保证精确请求数的——不要把账务级配额押在边缘规则上。
• 面向第三方播放器的开放内容（例如允许合作伙伴嵌入），严格的浏览器指纹校验会误伤合法嵌入场景，应改为按合作伙伴签发独立令牌并在合同里写明配额。
• 纯下载型长视频（如课程视频打包下载）本身就会产生连续大流量，不能简单地用「分片速率」判定盗刷，需要结合购买关系判断。
• DRM 与录屏分发：Bot Management 解决的是「批量自动拉取」，不能阻止已授权用户录屏再分发；需要 DRM（Widevine / FairPlay / PlayReady）与数字水印组合，录屏属于网络防护之外的范畴。
• 合规与隐私：采集设备指纹用于 Bot 判定时，要同步考虑隐私声明与地区合规要求。

常见问题

Referer 防盗链为什么不可靠？ Referer 由客户端控制，curl 一行就能伪造，只能作为辅助信号。真正的判据应该是签名令牌——过期即失效、与会话绑定。

签名 URL 会不会让 CDN 缓存失效？ 令牌放在 query 里会让边缘缓存粒度变细。常见做法是令牌只保护「播放列表/鉴权」入口，分片路径仍可缓存，或用带路径前缀的令牌策略平衡缓存命中与安全性。

该封 IP 还是下发挑战？ 共享出口普遍存在，优先挑战/限速；只对持续、明确、可归因的恶意来源才封 IP。

Bot Score 会误伤搜索引擎爬虫吗？ 主流搜索引擎有可验证的反向 DNS 与抓取声明，应加入允许列表后再看剩余分数的分布，而不是放宽整体阈值。另外注意 bot score 的取值范围是 1–99（1 表示高度确信为自动化流量），0 表示「未计算」，不等于人类。

这套方案需要什么套餐？ 签名 URL 与应用层配额不依赖套餐，可立即启动；边缘速率抑制全套餐都有，但规则条数和计数维度随套餐递增；按正文/JWT 计数或复杂度计分需要 Enterprise + Advanced Rate Limiting；精确 bot 分值需要 Enterprise Bot Management。建议先把第 1、4、5 层做完，再按预算决定边缘能力的档位。

相关阅读

• AI SaaS 如何防止 API 被恶意调用？
• AI SaaS 如何控制 API 调用成本和异常流量？
• 如何区分正常访客与恶意 Bot？
• Bot Management 能力页
• 完整解决方案