Bots de IA consumindo CPU: bloquear em 5 etapas
Desafio de prova de trabalho antes do handler PHP, allowlist de buscador por rDNS confirmado e de gateway por faixa oficial, com a contagem de log que prova se funcionou.

Resposta curta: em 5 etapas verificáveis: medir req/min por user-agent no log, montar allowlist de Googlebot e Bingbot por rDNS com confirmação direta, liberar gateways de pagamento por faixa CIDR oficial, ligar o desafio de prova de trabalho no edge e comparar o antes e depois.
Neste artigo
- Por que rate limit por IP não segura um agente de LLM
- Onde o Anubis entra no caminho da requisição no LiteSpeed com cPanel
- Liberar buscador por rDNS com confirmação direta, não por regex de user-agent
- Liberar gateway de pagamento por faixa CIDR oficial, nunca por user-agent
- Contar requisição por minuto por user-agent no log de acesso
- Ordem segura de implantação e como reverter em segundos
- O que a prova de trabalho não resolve: cache, índice e headless
Por que rate limit por IP não segura um agente de LLM
Rate limit por IP e bloqueio por caminho de autenticação resolvem varredura e força bruta porque o atacante repete endereço e repete URL. O rastreador de modelo de linguagem faz o contrário: pede URL legítima (a mesma que o Googlebot pede), rotaciona user-agent, e distribui a origem por ASN de nuvem e por rede residencial revendida. Cada IP individual fica abaixo do limiar; a soma derruba o PHP.
O custo não está na banda. Está no handler: cada hit em URL não cacheável (busca interna, filtro de catálogo com query string, paginação profunda, ?add-to-cart=) acorda um worker PHP, abre conexão com o banco e gasta CPU por centenas de milissegundos. Dez mil requisições espalhadas em cem IPs não disparam nenhum limite por IP e ocupam os workers o dia inteiro.
A contramedida que muda a economia do ataque é cobrar trabalho computacional do cliente antes do handler PHP. É isso que um desafio de prova de trabalho no edge faz: o navegador resolve um puzzle em JavaScript e só então recebe o cookie que libera o backend. Para um humano, é um atraso de fração de segundo, uma vez. Para quem quer varrer 200 mil URLs, o custo por página sobe o suficiente para o crawler desistir ou cair para um volume irrelevante.
Onde o Anubis entra no caminho da requisição no LiteSpeed com cPanel
O LiteSpeed documenta a integração do Anubis em servidores cPanel em Anubis for LiteSpeed on cPanel. A ideia arquitetural importa mais que a tela de instalação: o desafio é avaliado pelo servidor web, no edge, antes de o request virar processo PHP. Se o cliente não tem o cookie válido, ele recebe a página de desafio e o backend nunca é tocado.
Isso tem três consequências práticas que você precisa considerar antes de ligar:
- Cache. A página de desafio não pode ser cacheada nem pelo LSCache nem por CDN à frente. Verifique os cabeçalhos de resposta do desafio antes de liberar tráfego real.
- Clientes sem JavaScript. Qualquer integração máquina a máquina (webhook, API, checagem de uptime, gateway de pagamento) não resolve prova de trabalho. Sem allowlist, você quebra o checkout.
- Escopo. Aplicar o desafio no site inteiro inclui
/wp-json,/wp-cron.php,robots.txt,sitemap.xmle os endpoints de callback. Comece pelo que dói: as URLs dinâmicas não cacheáveis.
Não reproduzimos aqui nomes de diretiva nem versão mínima porque eles mudam entre releases e a página do LiteSpeed é a referência que manda: abra Anubis for LiteSpeed on cPanel com a versão do seu binário na mão, obtida com /usr/local/lsws/bin/lshttpd -v, e compare antes de editar qualquer arquivo. Abaixo o formato de política é apresentado como exemplo de estrutura, para você conferir contra a doc antes de aplicar:
# EXEMPLO ilustrativo de política. Confira nomes de campos e
# ações válidas na documentação oficial do LiteSpeed/Anubis.
bots:
- name: googlebot-verificado
user_agent_regex: "Googlebot"
action: ALLOW # só vale junto com verificação rDNS (seção abaixo)
- name: gateway-pagamento
remote_addresses: ["203.0.113.0/24"] # faixa de exemplo (RFC 5737)
action: ALLOW
- name: generic-browser
user_agent_regex: "Mozilla"
action: CHALLENGE
Nunca copie faixa de IP de artigo, inclusive deste. 203.0.113.0/24 acima é faixa reservada para documentação e serve só para mostrar a forma do campo.
Liberar buscador por rDNS com confirmação direta, não por regex de user-agent
Liberar por string de user-agent é o mesmo que não liberar nada: Googlebot é duas palavras que qualquer script envia. A verificação que vale é o forward-confirmed reverse DNS (FCrDNS), em três passos:
- Pegue o IP do log de acesso.
- Faça o PTR. O nome precisa terminar em um domínio do buscador (
googlebot.comegoogle.comno caso do Google;search.msn.comno caso do Bing). - Resolva esse nome de volta para A/AAAA e confirme que bate com o IP original.
# 2) PTR
host 66.249.66.1
# 3) confirmação direta do nome retornado
host crawl-66-249-66-1.googlebot.com
Se o passo 3 não fecha, não é o buscador. Em escala, o caminho menos frágil é não fazer FCrDNS no caminho crítico: rode a verificação por cron sobre os IPs novos que aparecem no log, materialize o resultado como allowlist de CIDR e revalide em janela fixa. DNS reverso por requisição adiciona latência e cria dependência de resolver no caminho crítico.
Liberar gateway de pagamento por faixa CIDR oficial, nunca por user-agent
Callback de pagamento chega sem navegador e sem cookie. Trate por rede, não por string.
| Tipo de cliente | Critério de allowlist | Revalidação | Risco se errar |
|---|---|---|---|
| Googlebot / Bingbot | rDNS com confirmação direta (FCrDNS) | diária, por cron | perda de rastreamento e de indexação |
| Gateway de pagamento | faixas CIDR publicadas pelo próprio gateway | a cada mudança anunciada pelo provedor | checkout quebrado, pedido pago sem baixa |
| Monitoramento externo | IP fixo do seu provedor de uptime | manual | alarme falso de queda |
| Agente de LLM | nenhum | — | CPU em PHP |
Pegue as faixas na documentação técnica do gateway que você usa e registre a data da consulta no comentário da configuração. Assine a lista de mudanças do provedor: faixa de callback muda, e muda sem aviso no seu lado.
Contar requisição por minuto por user-agent no log de acesso
Sem medição, você não sabe se o desafio funcionou ou se o crawler simplesmente parou sozinho naquele dia. Tire a linha de base antes de ligar o desafio, na mesma janela de horário.
Pico de requisições por minuto, por user-agent, no log de acesso do cPanel:
awk -F'"' '{split($1,t," "); print substr(t[4],2,17), "|", $6}' \
/home/USUARIO/access-logs/dominio.com \
| sort | uniq -c | sort -rn | head -20
No formato combinado o user-agent é o último campo entre aspas, com espaços dentro. Por isso o separador é a própria aspa (-F'"'): $2 é a request line, $4 é o referer e $6 é o user-agent inteiro. O que sobra antes da primeira aspa ($1) traz host, identd, usuário e o timestamp entre colchetes, que é o quarto token: substr(t[4],2,17) corta 10/Oct/2026:13:55, até o minuto. A chave de agrupamento é o par minuto + user-agent, por isso os dois saem na mesma linha antes do sort | uniq -c. Rode uma vez com | head -5 sem o uniq para conferir que as duas colunas vieram certas: se o seu LogFormat não for o combined padrão, a posição dos campos entre aspas muda.
Para um agente específico, série temporal minuto a minuto:
grep -F 'GPTBot' /home/USUARIO/access-logs/dominio.com \
| awk '{print substr($4,2,17)}' | uniq -c | tail -40
E para separar o que foi desafiado do que passou, agrupe o status HTTP por agente. Em vez de confiar em qualquer código citado de memória, levante o seu: com o desafio ligado em uma URL dinâmica, dispare um cliente sem JavaScript e leia o que volta.
curl -s -o /dev/null -w '%{http_code}\n' \
-A 'Mozilla/5.0 (teste-desafio)' https://dominio.com/?s=teste
O valor que aparecer aí é o que você vai procurar no log, agrupado por agente:
awk -F'"' '{split($3,s," "); print s[1], "|", $6}' \
/home/USUARIO/access-logs/dominio.com \
| sort | uniq -c | sort -rn | head -20
Os dois números que provam que o desafio funcionou
A tabela abaixo é exemplo fictício de leitura, não medição da Napoleon. Serve para mostrar o formato do antes e depois que você deve montar:
| User-agent | req/min (pico, antes) | req/min (pico, depois) | Observação |
|---|---|---|---|
| Agente de LLM A | 420 | 6 | desafio não resolvido, abandona |
| Googlebot verificado | 38 | 38 | allowlist por rDNS, inalterado |
| Navegador real | 210 | 208 | um desafio por sessão |
| Gateway de pagamento | 12 | 12 | allowlist por CIDR |
Os dois números que provam sucesso são: o agente cai, e Googlebot e gateway não mudam. Se o Googlebot caiu junto, sua allowlist está errada, não o desafio.
Ordem segura de implantação e como reverter em segundos
Linha de base de 7 dias antes de tocar na configuração
Colete 7 dias de pico por minuto por agente com os comandos acima. Guarde o arquivo. Sem ele, não há antes e depois.
Allowlist validada primeiro, desafio ligado depois
Configure e valide a allowlist de buscadores e gateways com o desafio ainda desligado, ou em modo que apenas registre. Teste o callback do gateway em sandbox.
Escopo mínimo: só as URLs dinâmicas que queimam CPU
Ligue o desafio só nas URLs dinâmicas que queimam CPU. Deixe robots.txt, sitemap.xml, assets estáticos e endpoints de API fora.
Janela de observação de 48 horas e o que olhar nela
Acompanhe por 48 horas: CPU dos workers PHP, taxa de resposta de desafio por agente, Search Console (erros de rastreamento aparecem com atraso) e logs do gateway.
Caminho de reversão escrito antes de subir
Tenha o caminho de volta escrito antes de subir: desligar o desafio, restaurar a configuração anterior, recarregar o LiteSpeed. Se o checkout quebrar, reverter leva segundos; descobrir a causa com o site parado leva horas.
O que a prova de trabalho não resolve: cache, índice e headless
Seja honesto sobre o limite da técnica, porque ela vira falsa sensação de segurança rápido:
- Headless com JS executa o desafio. Um crawler disposto a rodar navegador resolve o puzzle. O que muda é o custo por página, não a possibilidade.
- Não substitui cache. Se a URL dinâmica podia estar em LSCache e não está, você está pagando PHP por tráfego humano também. Arrume o cache antes.
- Não substitui consulta otimizada. Se 400 ms de CPU por request vêm de um
SELECTsem índice, o desafio só diminui a frequência do problema. Olhe o slow query log primeiro: às vezes o servidor aguenta o crawler depois de um índice, e você não precisa de desafio nenhum. robots.txtcontinua valendo para o agente que respeita, e custa zero. Faça os dois.
A regra operacional é simples: cache e índice reduzem o custo por requisição; o desafio no edge reduz o número de requisições que chegam ao PHP; a allowlist garante que quem precisa passar passe. Os três juntos, nessa ordem de prioridade.
Referências
- Documentação oficial (litespeed) — Anubis for LiteSpeed on cPanel. Consultado em 2026-10-06.