web application firewall
PulseAugur coverage of web application firewall — every cluster mentioning web application firewall across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
指南：使用robots.txt、Nginx和WAF控制AI爬虫
本文提供了一份技术指南，介绍网站管理员如何使用robots.txt、Nginx配置和Web应用程序防火墙（WAF）规则来控制AI爬虫。旨在帮助网站所有者管理其内容哪些部分可供AI模型和其他自动化机器人访问。
-
MCP协议安全：AI代理的风险与缓解策略
模型上下文协议（MCP）是连接AI模型与外部工具的标准，但它引入了重大的安全风险。多个来源强调了诸如工具投毒、命令注入和凭证泄露等漏洞，这些漏洞可能被嵌入工具元数据或数据中的恶意指令所利用。实施强大的授权，通常通过MCP网关，对于缓解这些威胁至关重要。该网关充当控制平面，强制执行诸如输入清理、工具过滤和范围限定身份验证等安全策略，以防止未经授权的访问和数据泄露。
-
新的WAPP框架能够安全地学习WAF安全策略
研究人员开发了一个名为WAPP（Whitelisting Autonomous Policy Producer）的新框架，旨在从实时流量中安全地学习Web应用程序防火墙（WAF）的正向安全策略。传统的WAF通常依赖签名，这使得它们容易受到新型攻击，而正向安全方法则学习合法流量模式。然而，直接从实时数据中学习可能会受到恶意输入的损害。WAPP通过集成信任过滤、规则合成、置信度评分和验证，然后在强制执行策略之前进行这些操作，来解决这个问题…
-
Robots.txt 无法有效阻止 AI 爬虫；需要服务器级控制
虽然 robots.txt 可以要求 AI 爬虫避免抓取网站，但它无法实际阻止它们。通过服务器、CDN 或 WAF 进行限制可以提供更强大的保护，但这需要更多的技术资源。选择哪种方法取决于网站的具体需求和技术能力。
-
理解大型语言模型协议中的“零数据保留”
“零数据保留”（Zero Data Retention, ZDR）并非行业标准化术语，缺乏正式定义或认证。其含义因提供商而异，承诺内容常在数据类型、特定端点、保留目的和持续时间等方面存在差异。关键区别包括承诺是否涵盖数据保留、训练使用、内容与元数据对比，以及约束方和地点的范围。
-
AI 爬虫难以访问 27% 的 Show HN 产品
最近对 Show HN 上发布的 383 个产品的扫描显示，AI 爬虫在访问方面存在严重问题。大约 27% 的产品对自动化系统来说是不可读的，这通常是由于客户端渲染且没有可解析的服务器响应，或者存在激进的机器人过滤器。更令人惊讶的是，17% 的产品主动阻止了像 Claude 这样的 AI 助手，这通常是由内容分发网络或 Web 应用程序防火墙实现的，而不是产品创始人明确的决定。这种不可见性意味着创始人可能会误解 AI 驱动的需求不足为…
-
网站SEO审计指南侧重于机器可读性
一份技术指南概述了20项网站优化检查，侧重于搜索引擎爬虫的机器可读性。审计分为四个组：访问、传递、结构和内容，每个组都有具体的说明和通过/失败条件。关键检查包括验证robots.txt和站点地图，确保内容可被OAI-SearchBot等机器人访问，并确认页面和重定向的正确HTTP状态码。
-
Cloudflare WAF 阻止所有用户的 WordPress wp2shell 漏洞
Cloudflare 已部署 Web 应用程序防火墙 (WAF) 来阻止影响 WordPress 的 wp2shell 漏洞。此保护已扩展到所有用户，包括免费套餐用户。该漏洞被识别为 wp2shell，对 WordPress 网站构成安全风险。
-
Lap 1 Labs 使用 Claude 进行高级 Web 流量分析
Lap 1 Labs 正在利用 Anthropic 的 Claude 来分析 Web 应用防火墙 (WAF) 日志。这种方法旨在比传统方法提供更深入的 Web 流量模式和安全威胁的洞察。该集成能够对复杂的 WAF 数据进行更复杂的分析和理解。
-
Cloudflare WAF 集成威胁情报以实现基于攻击者的屏蔽
Cloudflare 已将其 Web 应用程序防火墙 (WAF) 集成威胁情报，允许用户根据攻击者的姓名及其目标行业来屏蔽攻击。此举将安全防御从被动方法转变为更具情境化的方法，旨在提供对威胁的更大可见性。预计此新功能将改变安全运营在不断演变的网络威胁面前管理信息不对称的方式。