blog
Servidores

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.

JR · · 7 min de leitura · 2 tabelas · 6 blocos de código

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
  1. Por que rate limit por IP não segura um agente de LLM
  2. Onde o Anubis entra no caminho da requisição no LiteSpeed com cPanel
  3. Liberar buscador por rDNS com confirmação direta, não por regex de user-agent
  4. Liberar gateway de pagamento por faixa CIDR oficial, nunca por user-agent
  5. Contar requisição por minuto por user-agent no log de acesso
  6. Ordem segura de implantação e como reverter em segundos
  7. 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:

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:

  1. Pegue o IP do log de acesso.
  2. Faça o PTR. O nome precisa terminar em um domínio do buscador (googlebot.com e google.com no caso do Google; search.msn.com no caso do Bing).
  3. 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.

Decisão no edge antes do handler PHPRequisição chega ao edgeAntes de qualquer worker PHPIP em CIDR de gateway?Libera, faixa oficial do provedorFCrDNS de buscador fecha?Libera, PTR confirmado de voltaCookie de desafio válido?Libera, segue para o backendCaso contrário: desafioProva de trabalho no navegadorPHP só depois dissoHandler e banco preservados
Ordem de avaliação no edge: allowlist por rede, allowlist por rDNS confirmado, cookie e, por último, desafio. O backend só é tocado por quem passa.

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.

Ordem de implantação do desafio no edgeLinha de base7 dias de pico por agenteAllowlist validadaDesafio ainda desligado ou em logEscopo mínimoSó URLs dinâmicas não cacheáveisObservação 48 horasCPU, status por agente, gatewayReversão escritaDesligar, restaurar, recarregar LiteSpeed
Sequência de implantação. Cada etapa só começa com a anterior verificada, e o caminho de volta existe antes de subir.

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:

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

  1. Documentação oficial (litespeed) — Anubis for LiteSpeed on cPanel. Consultado em 2026-10-06.
Leia também