Кіріспе

Нақты өрмекшілерді ұстауға арналған веб-беттер жиынтығы, веб-шолушыларды бұзуы мүмкін. Өрмекші тұзағы (немесе шолушы тұзағы) – бұл веб-шолушыны немесе іздеу роботын шексіз көп сұраулар жасауға немесе нашар құрылған шолушыны құлатуға қасақана немесе қасақана емес түрде пайдаланылатын веб-беттер жиынтығы. Веб-шолушылар сонымен қатар веб-өрмекшілер деп аталады, осыдан олардың атауы шыққан. Өрмекші тұзақтары спам-боттарды немесе веб-сайттың өткізу қабілетін ысыраптайтын басқа шолушыларды «ұстау» үшін жасалуы мүмкін. Олар сондай-ақ келесі күнге немесе жылға үнемі сілтеме беретін динамикалық беттерді пайдаланатын күнтізбелер арқылы кездейсоқ түрде құрылуы мүмкін. Қолданылатын жалпы техникалар: http://example.com/bar/foo/bar/foo/bar/foo/bar/ сияқты шексіз терең каталог құрылымдарын жасау. Веб-шолушыға іздеуге шексіз көп құжаттарды шығаратын динамикалық беттер. Мысалдарға күнтізбелер және алгоритмдік түрде жасалған поэзия жатады. Құжатты талдайтын лексикалық анализаторды құлату үшін көптеген таңбалармен толтырылған құжаттар. Міндетті cookie файлдарына негізделген сеанс идентификаторлары бар құжаттар. Барлық өрмекші тұзақтарын анықтауға арналған алгоритм жоқ. Тұзақтың кейбір түрлерін автоматты түрде анықтауға болады, бірақ жаңа, танылмаған тұзақтар жылдам пайда болады.

Әдептілік

Арабша тұзақ веб-қарауылды шексіз циклға түсіріп, оның ресурстарын ысырапқа салып, өнімділігін төмендетеді. Ал егер веб-қарауыл нашар жазылған болса, бағдарламаны құлата да білуі мүмкін. Әдепті веб-қарауылдар әр түрлі хосттарға кезекпен сұраныс жібереді және бір серверден бірнеше секундтан кем уақыт аралығында бірнеше құжат сұрамайды. Сондықтан "әдепті" веб-қарауыл "әдепсіз" веб-қарауылға қарағанда осы тұзақтың әсеріне аз ұшырайды. Сонымен қатар, арабша тұзақтары бар сайттарда әдетте robots.txt файлы болады, ол роботтарға осы тұзаққа бармауды ескертеді. Осылайша, заңды "әдепті" робот тұзаққа түспейді, ал robots.txt файлының параметрлерін елемейтін "әдепсіз" робот тұзақтың әсеріне ұшырайды.