Защита от спама: php скрипт для проверки трекбеков
Спамерские технологии не стоят на месте. Все-таки изобретательные эти люди 
В одном из последних постов на Blue Hat SEO как раз и описан один из таких способов.
Вкратце идея следующая. Создается страница со ссылками на различные блоги. И на них же отправляются трекбеки. Т.е. на этих блогах, обычно в разделе комментариев, появляются ссылки на эту страницу.
Естественно, владельцы блогов начинают проверять спамерскую страницу на наличие обратной ссылки на свой блог. Видят, что ссылка на месте и не удаляют трекбек.
Примечание. Эту проверку не обязательно делать вручную. Автоматизировать эту работу можно с помощью плагина для WordPress - Trackback Validator Plugin.
Через несколько дней спамер кардинальным образом изменяет страницу. Например, превращает в дорвей. Все ссылки на блоги с нее естественно удаляются.
Т.е. получается, что нужно периодически проверять страницы, с которых отправлены трекбеки на наличие обратных ссылок.
Делать это вручную – нереально. Поэтому я написал небольшой php скрипт, который автоматически выполняет эти проверки. Если его запускать cron’ом, то вы всегда будете в курсе наличия обратных ссылок.
Рассмотрим, как он работает.
-
define('SITE_URL', 'your_blog_url'); //URL, который нужно проверять
-
-
/**
-
* Настройки подключения к БД
-
*/
-
-
define('DB_NAME', 'your_db_name');
-
define('DB_HOST', 'your_db_host');
-
define('DB_USER', 'your_db_user');
-
define('DB_PASS', 'your_db_pass');
-
define('DB_TABLE_PREFIX', 'wp_'); //измените, если вы используете другой префикс таблиц
-
-
/**
-
* Адрес почты для отправки отчета
-
*/
-
define('MAIL_ADDRESS', 'your_email');
-
-
$log = ";
-
-
//подключаемся к базе
-
$link = mysql_connect(DB_HOST, DB_USER, DB_PASS)
-
or die("Could not connect : " . mysql_error());
-
//выбираем БД
-
mysql_select_db(DB_NAME)
-
or die("Could not select database");
-
-
// получаем список трекбеков (не отмеченных как спам, с ними будет разбираться
-
// Akismet)
-
$qFindTrackbacks = 'SELECT * FROM '.DB_TABLE_PREFIX.
-
'comments WHERE comment_type="trackback" AND comment_approved<>"spam"';
-
$result = mysql_query($qFindTrackbacks)
-
or die("Trackback search failed : " . mysql_error());
-
-
//————- ищем обратные ссылки ———————//
-
-
//инициализация cURL
-
$ch = curl_init();
-
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
-
-
while ($curTrackback = mysql_fetch_array($result, MYSQL_ASSOC)) {
-
curl_setopt($ch, CURLOPT_URL, $curTrackback['comment_author_url']);
-
$page = curl_exec($ch);
-
if ($page != null) {
-
$log .= 'Receive page '.$curTrackback['comment_author_url'].'\n<br />';
-
}
-
//проверяем наличие обратной ссылки
-
if (substr_count($page, SITE_URL) < 1) {
-
//добавляем запись о том, что найден подозрительный трекбек
-
$log .= 'Found trackback without backlink : '.$curTrackback['comment_author_url'].'\n<br />';
-
}
-
}
-
-
curl_close($ch);
-
-
//закрываем соединение
-
mysql_close($link);
-
-
//отправляем письмо с отчетом
-
if ($log == ") {
-
$log .= 'Bad trackbacks not found';
-
}
-
mail(MAIL_ADDRESS, 'Trackback search', $log, 'From: Trackback checker script')
-
or die("Could not send report");
-
-
//скрипт нормально завершил работу
-
exit(0);
Алгоритм довольно простой.
Сначала вы указываете ваши параметры подключения к базе данных, URL блога и email на который будет отправлен отчет с результатами проверки.
Затем скрипт подключается к базе данных и находит все трекбеки (строки 29-32).
Примечание. Трекбеки, отмеченные как «spam» мы пропускаем, т.к. они на страницах блога не отображаются и могут быть легко удалены из админ-панели.
После этого с помощью cURL скрипт получает страницы и ищет на них ссылки на ваш блог (строки 40-51). Если он находит хотя бы одну ссылку, то трекбек пропускается. А вот если ссылок нет, то в отчет (переменную $log) заносится адрес страницы.
Тут может возникнуть вполне закономерный вопрос. Почему не удалять сразу эти трекбеки? Дело в том, что во время страница может быть недоступна. Например, если ведутся технические работы. Поэтому окончательное решение об удалении ссылки скрипт оставляет вам.
Когда все проверки будут выполнены, скрипт отправит вам письмо с отчетом (строка 62).
Внимание! При работе данного скрипта могут возникнуть проблемы для блогов с большим количеством трекбеков (в виде нагрузки на сервер).
Если кто-то столкнется с такой проблемой – пишите в комментариях. И хотя бы примерно укажите количество трекбеков. Я переделаю скрипт так чтобы снизить нагрузку.
Небольшое дополнение.
На данный момент (по моим наблюдениям) большинство спамеров просто отправляют трекбеки без обратных ссылок. Наверное, надеются, что владелец блога ленивый и проверять их не будет 
.
Например, на этом блоге скрипт нашел всего один трекбек без обратной ссылки. И то, я не уверен, что его нужно удалять, т.к. на той странице просто висит сообщение об ошибке (никакой рекламы, ключевиков или редиректов). В тоже время Akismet отфильтровал почти 2000 спамерских трекбеков.
И в заключение немного теоретических сведений о самих трекбеках и пингбеках (аналогичная технология).
В подробности вдаваться не буду, технической информации на эту тему валом. Только перечислю несколько пунктов, которые должен знать и учитывать каждый блоггер.
1) В идеале трекбек отправляется, когда один блоггер ссылается на другого. Естественно, движки блогов должны поддерживать эту технологию.
2) Трекбеки можно запретить в админ-панели WordPress (так же как и комментирование).
3) Трекбек можно отправить без установки обратной ссылки (чем и пользуются спамеры).
4) В отличие от комментариев для отправки трекбека не нужно вводить captcha. Это полностью автоматизированная технология, что и делает ее привлекательной для спамеров.
5) Исходя из моего опыта ~ 90% спама в трекбеках фильтруется Akismet'ом. Правда в большинстве случаев они были напичканы ключевиками фарма тематики.
Как видите, со спамом можно довольно успешно бороться
Если скрипт вас заинтерисовал - качайте архив:
Скачать скрипт
P.S. Меня, как блоггера очень интересует эта тема. Если у вас есть замечание или вы хотите поделится своим опытом – пишите в комментариях.
Понравилась статья? Подпишитесь на продолжение 
!
Добавьте эту страницу в 
Комментарии (18)
Вы можете отслеживать обсуждение записи с помощью RSS 2.0
Вы также можете оставить комментарий, или трекбек с Вашего сайта.
Оставить комментарий
Даже не задумывался, что трекбэками можно спамить
Я кстати, недавно написал статью, отделить в шаблоне трекбэки от комментариев.
Я тоже не задумывался, пока не начал получать по несколько десятков таких трекбеков в день.
Кстати, ваша статья мне понравилась. Когда-то была мысль реализовать разделение в этом блоге, но потом забыл, а острой необходимости не возникало.
Владимир, я вчера хотел написать почти аналогичную статью, только с немного другим предисловием (цель статьи - проверка наличия ссылки, но не трекбека). Вы не против, если я ее все же напишу? )) Мы оба читаем наши блоги, насколько я понимаю. Не хотел бы, чтобы Вы решили, будто это плагиат - я задумал это еще неделю раньше, но не успел из-за работы дописать скрипт.
Конечно не против.
Вы же пишете свою статью и свой скрипт, а не копируете мою.
И мне в любом случае интересно
Кстати, если бы блоггеры спрашивали друг у друга разрешения писать на похожие темы, то читать комменты было бы не реально
Кстати, тут есть косяк, из-за которого я не уверен, будет ли работать скрипт. А именно - время выполнения скрипта. Обычно оно равно 30 секундам. Если предположить, что на проверку одного сайта уходить 5 секунд, то этого не хватит даже на 10 трекбеков!
Учитывая, что обычно блоги хостятся на обычных хостингах, то там как раз 30 секунд и дают.
Конечно, есть способы это обойти. Но это скрипт уже побольше и статья с описанием подлиннее.
я у себя напишу потом.
Да, я знаю.
ИМХО самый простой способ обойти эту проблему - использовать curl_multi_exec и, если трекбеков очень много, проверять список по частям.
Но у меня практически не было таких трекбеков, а хотелось бы хотябы приблизительно знать на какое количество нужно ориентироваться.
Поэтому, если кто-то столкнулся с проблемой и напишет сколько примерно трекбеков нужно проверять, я переделаю скрипт.
Но пока смысла не вижу этим заниматься.
Опять же, будет интересно взглянуть на вашу реализацию
На данный момент я большие скрипты я предлагаю скачать в архиве.
У меня еще замечание есть по блогу Вашему.
Код с сайта просто так не скопируешь. Во-первых, копируются знаки # (это, видимо, номера строк так криво копируются). Во-вторых, одиночные кавычки копируются как `, что плохо. Это все не сложно поправить, но если кода много, то можно что-то не заметить и это превратится в довольно утомительный поиск ошибки
Посмотрите мой блог, там все с этим ок - скопировал прямо с сайта, вставил в редактор и хоть сразу запускай 
Согласен… Давно откладываю эту проблему.
Немного о причинах я уже писал.
У вас все копируется хорошо, но нет номеров строк, а я люблю на них ссылаться
Кардинально решить проблему можно если использовать подсветку javascript'ом, а не на стороне сервера. У многих так и сделано. Но проблема в том, что такую подсветку может не показать RSS ридер, а это тоже плохо.
Ох, ешкин кот… Сколько комментариев. Но нужно, нужно.
substr_count($page, SITE_URL) - это не проверка наличия ссылки. это проверка наличия такого текста ВООБЩЕ, то есть это может быть и не ссылка. это не 100% ый результат
и тут вы тоже правы
но если спамер будет переделывать страницу, то вряд ли он оставит даже такой текст.
Вообще тут много вопросов. Например, что делать если ссылка не прямая?
site.domen/?goto=http://www.simplecoding.org
Или ссылка реализована javascript'oм?
у них по моему каждый день новые идеи))))
[...] ли в коде нужная нам ссылка. Отличие этого метода от предложенного Владимиром в том, что Владимир проверяет просто наличие URL на [...]
ХМ… очень интересная статья. Я создал давно уже год назад службу онлайн-блогов, вот много для себя интересного узнал. В скором времени сделаю систему трек-бэков, естественно с Captha + опциями проверки. Трек бек наверняка будет разрешен только пользователем с определённым уровнем "развития" на сайте. А не только что зарегистрировавшемуся
Спасибо за статью.
С уважением BM.
Я так понял, это для внутренних трекбеков. А что будет если, например, я поставлю ссылку на один из блогов вашей сети. На меня ссылка в комментариях того блога появится?
Это как раз имется ввиду ссылки на иные блоги, а не внутри сайта. Внутри сайте трек бек никакого смысла вообще вроде не имеет.
Вообще наверное проще дать возможность "конфигурировать" это дело пользователю самостоятельно.
Я блогерствую и сам, но не настолько. Так задолбали все эти кривые сервисы увешанные рекламой, что создал свой без рекламы на свои деньги. Ну делать мне нечего )) А вообще сайт живет засчет спонсоров, просто дающих мне деньги. Ибо им сайт нравиться. Что-то я не о том. Так вот на момент начинания мной службы дневников (июнь 2007) что такое track back толком никто и не знал в РуНете. Потому не задумывался и не очень то и осведомлён.
Привет еще раз.
Сделал сервис даже по проверке ссылок, учел все пожелания и т.п. http://linkspy.info/
Заметка в моем блоге по поводу этого сервиса. Буду рад, если ты его где-нибудь упомянешь и вообще будешь пользоваться
Заметку прочитать не получается (404 Not Found).
Поэтому задам вопрос здесь. Учитываются ссылки которые находятся в
Я проверял страницу http://maulnet.ru/archives/777 (ссылка в комментариях на месте). Система ее не нашла.