龙行博客

在互联网应用中，接口安全是守护系统稳定的第一道防线。恶意用户的高频请求如同洪水猛兽，轻则拖慢服务响应，重则引发系统崩溃。本文将手把手教你用SpringBoot实现五种实用的接口防刷方案

本文将介绍在SpringBoot框架下实现接口防刷的5种技术方案。

1. 注解式限流器（适合新手快速上手）

最常见的防刷方案是通过自定义注解和AOP切面实现访问频率限制。这种方法简单易用，实现成本低。

实现步骤

1.1 创建限流注解

@Target({ElementType.METHOD})
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface RateLimit {
    /**
     * 限制时间段，单位为秒
     */
    int time() default 60;

    /**
     * 在限制时间段内允许的最大请求次数
     */
    int count() default 10;

    /**
     * 限流的key，支持SpEL表达式
     */
    String key() default "";

    /**
     * 提示信息
     */
    String message() default "操作过于频繁，请稍后再试";
}

1.2 实现限流切面

@Aspect
@Component
@Slf4j
public class RateLimitAspect {

    @Autowired
    private StringRedisTemplate redisTemplate;

    @Around("@annotation(rateLimit)")
    public Object around(ProceedingJoinPoint pjp, RateLimit rateLimit) throws Throwable {
        // 获取请求的方法名
        String methodName = pjp.getSignature().getName();
        // 获取请求的类名
        String className = pjp.getTarget().getClass().getName();

        // 组合限流key
        String limitKey = getLimitKey(pjp, rateLimit, methodName, className);

        // 获取限流参数
        int time = rateLimit.time();
        int count = rateLimit.count();

        // 执行限流逻辑
        boolean limited = isLimited(limitKey, time, count);
        if (limited) {
            throw new RuntimeException(rateLimit.message());
        }

        // 执行目标方法
        return pjp.proceed();
    }

    private String getLimitKey(ProceedingJoinPoint pjp, RateLimit rateLimit, String methodName, String className) {
        // 获取用户自定义的key
        String key = rateLimit.key();

        if (StringUtils.hasText(key)) {
            // 支持SpEL表达式解析
            StandardEvaluationContext context = new StandardEvaluationContext();
            MethodSignature signature = (MethodSignature) pjp.getSignature();
            String[] parameterNames = signature.getParameterNames();
            Object[] args = pjp.getArgs();

            for (int i = 0; i < parameterNames.length; i++) {
                context.setVariable(parameterNames[i], args[i]);
            }

            ExpressionParser parser = new SpelExpressionParser();
            Expression expression = parser.parseExpression(key);
            key = expression.getValue(context, String.class);
        } else {
            // 默认使用类名+方法名+IP地址作为key
            HttpServletRequest request = ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest();
            String ip = getIpAddress(request);
            key = ip + ":" + className + ":" + methodName;
        }

        return "rate_limit:" + key;
    }

    private boolean isLimited(String key, int time, int count) {
        // 使用Redis的计数器实现限流
        try {
            Long currentCount = redisTemplate.opsForValue().increment(key, 1);

            // 如果是第一次访问，设置过期时间
            if (currentCount == 1) {
                redisTemplate.expire(key, time, TimeUnit.SECONDS);
            }

            return currentCount > count;
        } catch (Exception e) {
            log.error("限流异常", e);
            return false;
        }
    }

    private String getIpAddress(HttpServletRequest request) {
        String ip = request.getHeader("X-Forwarded-For");
        if (ip == null || ip.length() == 0 || "unknown".equalsIgnoreCase(ip)) {
            ip = request.getHeader("Proxy-Client-IP");
        }
        if (ip == null || ip.length() == 0 || "unknown".equalsIgnoreCase(ip)) {
            ip = request.getHeader("WL-Proxy-Client-IP");
        }
        if (ip == null || ip.length() == 0 || "unknown".equalsIgnoreCase(ip)) {
            ip = request.getHeader("HTTP_CLIENT_IP");
        }
        if (ip == null || ip.length() == 0 || "unknown".equalsIgnoreCase(ip)) {
            ip = request.getHeader("HTTP_X_FORWARDED_FOR");
        }
        if (ip == null || ip.length() == 0 || "unknown".equalsIgnoreCase(ip)) {
            ip = request.getRemoteAddr();
        }
        return ip;
    }
}

1.3 使用示例

@RestController
@RequestMapping("/api")
public class UserController {

    @RateLimit(time = 60, count = 3, message = "请求频繁，请稍后再试")
    @GetMapping("/user/{id}")
    public User getUser(@PathVariable Long id) {
        return userService.getUser(id);
    }

    // 使用SpEL表达式指定key
    @RateLimit(time = 60, count = 1, key = "#id + '_' + #request.remoteAddr")
    @PostMapping("/user/{id}/update")
    public Result updateUser(@PathVariable Long id, @RequestBody UserDTO userDTO, HttpServletRequest request) {
        return userService.updateUser(id, userDTO);
    }
}

优缺点分析

优点：

• • 实现简单，上手容易，单机情况下可以去掉Redis换成本地缓存实现
• • 注解式使用，对业务代码无侵入
• • 可以精确控制接口粒度
• • 支持灵活的限流策略配置

缺点：

• • 简单计数策略应对复杂场景稍显不足景
• • 需要提前规划Redis资源

2. 令牌桶算法实现限流（应对流量洪峰）

令牌桶算法是一种更加灵活的限流算法，可以允许突发流量，同时又能限制长期的平均流量。

实现步骤

2.1 引入依赖

Google提供的Guava库中包含了令牌桶实现：

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>31.1-jre</version>
</dependency>

2.2 创建令牌桶流量控制器

@Component
public class RateLimiter {
    // 使用ConcurrentHashMap存储不同接口的令牌桶
    private final ConcurrentHashMap<String, com.google.common.util.concurrent.RateLimiter> rateLimiterMap = new ConcurrentHashMap<>();

    /**
     * 获取特定接口的令牌桶，不存在则创建
     * @param key 限流键
     * @param permitsPerSecond 每秒允许的请求量
     * @return 令牌桶实例
     */
    public com.google.common.util.concurrent.RateLimiter getRateLimiter(String key, double permitsPerSecond) {
        return rateLimiterMap.computeIfAbsent(key, 
            k -> com.google.common.util.concurrent.RateLimiter.create(permitsPerSecond));
    }

    /**
     * 尝试获取令牌
     * @param key 限流键
     * @param permitsPerSecond 每秒允许的请求量
     * @param timeout 超时时间
     * @param unit 时间单位
     * @return 是否获取成功
     */
    public boolean tryAcquire(String key, double permitsPerSecond, long timeout, TimeUnit unit) {
        com.google.common.util.concurrent.RateLimiter rateLimiter = getRateLimiter(key, permitsPerSecond);
        return rateLimiter.tryAcquire(1, timeout, unit);
    }
}

2.3 创建拦截器

@Component
public class TokenBucketInterceptor implements HandlerInterceptor {

    @Autowired
    private RateLimiter rateLimiter;

    @Override
    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
        // 仅对API请求进行限流
        String requestURI = request.getRequestURI();
        if (!requestURI.startsWith("/api/")) {
            return true;
        }

        // 获取IP地址作为限流键
        String ip = getIpAddress(request);
        String key = ip + ":" + requestURI;

        // 尝试获取令牌，设置每秒2个请求的速率，等待100毫秒
        boolean acquired = rateLimiter.tryAcquire(key, 2.0, 100, TimeUnit.MILLISECONDS);

        if (!acquired) {
            // 获取失败，返回限流响应
            response.setContentType("application/json;charset=UTF-8");
            response.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());
            response.getWriter().write("{"code":429,"message":"请求过于频繁，请稍后再试"}");
            return false;
        }

        return true;
    }

    // getIpAddress方法同上
}

2.4 配置拦截器

@Configuration
public class WebConfig implements WebMvcConfigurer {

    @Autowired
    private TokenBucketInterceptor tokenBucketInterceptor;

    @Override
    public void addInterceptors(InterceptorRegistry registry) {
        registry.addInterceptor(tokenBucketInterceptor)
                .addPathPatterns("/**");
    }
}

优缺点分析

优点：

• • 支持突发流量，不会完全拒绝短时高峰
• • 平滑的限流效果，用户体验更好
• • 可以配置不同接口的不同限流策略
• • 无需额外的存储设施

缺点：

• • 只适用于单机部署，分布式环境需要额外改造
• • 重启应用后状态丢失
• • 无法精确控制时间窗口内的请求总量

3. 分布式限流（Redis + Lua脚本）

对于分布式系统，单机限流方案难以满足需求。利用Redis和Lua脚本可以实现高效的分布式限流。

实现步骤

3.1 定义Lua脚本
创建一个Redis限流的Lua脚本，放在resources目录下的scripts/rate_limiter.lua：

-- 限流Key
local key = KEYS[1]
-- 限流窗口，单位秒
local window = tonumber(ARGV[1])
-- 限流阈值
local threshold = tonumber(ARGV[2])
-- 当前时间戳
local now = tonumber(ARGV[3])

-- 移除过期的请求记录
redis.call('ZREMRANGEBYSCORE', key, 0, now - window * 1000)

-- 获取当前窗口内的请求数
local count = redis.call('ZCARD', key)

-- 如果请求数超过阈值，拒绝请求
if count >= threshold then
    return 0
end

-- 添加当前请求记录
redis.call('ZADD', key, now, now .. '-' .. math.random())
-- 设置过期时间
redis.call('EXPIRE', key, window)

-- 返回当前窗口剩余可用请求数
return threshold - count - 1

3.2 创建Redis限流服务

@Service
@Slf4j
public class RedisRateLimiterService {

    @Autowired
    private StringRedisTemplate redisTemplate;

    private DefaultRedisScript<Long> rateLimiterScript;

    @PostConstruct
    public void init() {
        // 加载Lua脚本
        rateLimiterScript = new DefaultRedisScript<>();
        rateLimiterScript.setLocation(new ClassPathResource("scripts/rate_limiter.lua"));
        rateLimiterScript.setResultType(Long.class);
    }

    /**
     * 尝试获取访问权限
     * @param key 限流键
     * @param window 时间窗口（秒）
     * @param threshold 阈值
     * @return 剩余可用请求数，-1表示被限流
     */
    public long isAllowed(String key, int window, int threshold) {
        try {
            // 执行lua脚本
            List<String> keys = Collections.singletonList(key);
            Long remainingCount = redisTemplate.execute(
                rateLimiterScript, 
                keys, 
                String.valueOf(window), 
                String.valueOf(threshold),
                String.valueOf(System.currentTimeMillis())
            );

            return remainingCount == null ? -1 : remainingCount;
        } catch (Exception e) {
            log.error("Redis rate limiter error", e);
            // 发生异常时放行请求
            return threshold;
        }
    }
}

3.3 创建分布式限流注解

@Target({ElementType.METHOD})
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface DistributedRateLimit {
    /**
     * 限流的key前缀
     */
    String prefix() default "rate:";

    /**
     * 时间窗口，单位秒
     */
    int window() default 60;

    /**
     * 在时间窗口内允许的最大请求数
     */
    int threshold() default 10;

    /**
     * 限流模式: ip - 按IP限流, user - 按用户限流, all - 接口总体限流
     */
    String mode() default "ip";
}

3.4 实现分布式限流切面

@Aspect
@Component
@Slf4j
public class DistributedRateLimitAspect {

    @Autowired
    private RedisRateLimiterService rateLimiterService;

    @Autowired(required = false)
    private HttpServletRequest request;

    @Around("@annotation(rateLimit)")
    public Object around(ProceedingJoinPoint pjp, DistributedRateLimit rateLimit) throws Throwable {
        String key = generateKey(pjp, rateLimit);

        long remainingCount = rateLimiterService.isAllowed(
            key, 
            rateLimit.window(), 
            rateLimit.threshold()
        );

        if (remainingCount < 0) {
            throw new RuntimeException("接口访问过于频繁，请稍后再试");
        }

        // 执行目标方法
        return pjp.proceed();
    }

    private String generateKey(ProceedingJoinPoint pjp, DistributedRateLimit rateLimit) {
        String methodName = pjp.getSignature().getName();
        String className = pjp.getTarget().getClass().getName();
        StringBuilder key = new StringBuilder(rateLimit.prefix());

        key.append(className).append(".").append(methodName);

        // 根据限流模式添加不同的后缀
        switch (rateLimit.mode()) {
            case "ip":
                // 按IP限流
                key.append(":").append(getIpAddress());
                break;
            case "user":
                // 按用户限流
                Object userId = getUserId();
                key.append(":").append(userId != null ? userId : "anonymous");
                break;
            case "all":
                // 接口总体限流，不添加后缀
                break;
            default:
                key.append(":").append(getIpAddress());
                break;
        }

        return key.toString();
    }

    private String getIpAddress() {
        // IP获取方法同上
        if (request == null) {
            return "unknown";
        }
        // 获取IP的代码同上一个示例
        return "127.0.0.1"; // 简化处理
    }

    // 获取当前用户ID，根据实际认证系统实现
    private Object getUserId() {
        // 这里简化处理，实际中应从认证信息中获取
        // 例如：SecurityContextHolder.getContext().getAuthentication().getPrincipal()
        return null;
    }
}

3.5 使用示例

@RestController
@RequestMapping("/api")
public class PaymentController {

    @DistributedRateLimit(prefix = "pay:", window = 3600, threshold = 5, mode = "user")
    @PostMapping("/payment")
    public Result createPayment(@RequestBody PaymentRequest paymentRequest) {
        // 创建支付业务逻辑
        return paymentService.createPayment(paymentRequest);
    }

    @DistributedRateLimit(window = 60, threshold = 30, mode = "ip")
    @GetMapping("/products")
    public List<Product> getProducts() {
        // 查询产品列表
        return productService.findAll();
    }

    @DistributedRateLimit(window = 1, threshold = 100, mode = "all")
    @GetMapping("/hot/resource")
    public Resource getHotResource() {
        // 获取热门资源
        return resourceService.getHotResource();
    }
}

优缺点分析

优点：

• • 适用于分布式系统，多实例间共享限流状态

• • 支持多种限流模式：按IP、用户、接口总量等

• • 基于滑动窗口，计数更精确

• • 使用Lua脚本保证原子性，避免竞态条件

缺点：

• • 强依赖Redis

• • 实现复杂度较高

4. Sentinel护航（企业级解决方案）

阿里巴巴开源的Sentinel是一个强大的流量控制组件，提供了丰富的限流、熔断、系统保护等功能。

实现步骤

4.1 添加依赖

<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
    <version>2021.0.4.0</version>
</dependency>

4.2 配置Sentinel

在application.properties中添加配置：

# Sentinel 控制台地址
spring.cloud.sentinel.transport.dashboard=localhost:8080
# 取消Sentinel控制台懒加载
spring.cloud.sentinel.eager=true
# 应用名称
spring.application.name=my-application

4.3 创建Sentinel配置

@Configuration
public class SentinelConfig {

    @Bean
    public SentinelResourceAspect sentinelResourceAspect() {
        return new SentinelResourceAspect();
    }

    @PostConstruct
    public void init() {
        // 定义流控规则
        initFlowRules();
    }

    private void initFlowRules() {
        List<FlowRule> rules = new ArrayList<>();

        // 为/api/user接口设置流控规则
        FlowRule userRule = new FlowRule();
        userRule.setResource("/api/user");
        userRule.setGrade(RuleConstant.FLOW_GRADE_QPS); // 基于QPS限流
        userRule.setCount(10); // 每秒允许10个请求
        rules.add(userRule);

        // 为/api/order接口设置流控规则
        FlowRule orderRule = new FlowRule();
        orderRule.setResource("/api/order");
        orderRule.setGrade(RuleConstant.FLOW_GRADE_QPS);
        orderRule.setCount(5); // 每秒允许5个请求
        orderRule.setControlBehavior(RuleConstant.CONTROL_BEHAVIOR_WARM_UP); // 预热模式
        orderRule.setWarmUpPeriodSec(10); // 10秒预热期
        rules.add(orderRule);

        // 加载规则
        FlowRuleManager.loadRules(rules);
    }
}

4.4 创建URL资源解析器

@Component
public class UrlCleaner implements RequestOriginParser {

    @Override
    public String parseOrigin(HttpServletRequest request) {
        // 获取请求的URL路径
        String path = request.getRequestURI();

        // 可以添加更复杂的解析逻辑，例如：
        // 1. 去除路径变量：/api/user/123 -> /api/user/{id}
        // 2. 添加请求方法前缀：GET:/api/user

        return path;
    }
}

4.5 创建全局异常处理器

@RestControllerAdvice
public class SentinelExceptionHandler {

    @ExceptionHandler(BlockException.class)
    public Result handleBlockException(BlockException e) {
        String message = "请求过于频繁，请稍后再试";
        if (e instanceof FlowException) {
            message = "接口限流：" + message;
        } else if (e instanceof DegradeException) {
            message = "服务降级：系统繁忙，请稍后再试";
        } else if (e instanceof ParamFlowException) {
            message = "热点参数限流：请求过于频繁";
        } else if (e instanceof SystemBlockException) {
            message = "系统保护：系统资源不足";
        } else if (e instanceof AuthorityException) {
            message = "授权控制：没有访问权限";
        }

        return Result.error(429, message);
    }
}

4.6 使用@SentinelResource注解

@RestController
@RequestMapping("/api")
public class UserController {

    // 使用资源名定义限流资源
    @SentinelResource(value = "getUserById", 
                      blockHandler = "getUserBlockHandler",
                      fallback = "getUserFallback")
    @GetMapping("/user/{id}")
    public User getUser(@PathVariable Long id) {
        return userService.getUser(id);
    }

    // 限流处理方法
    public User getUserBlockHandler(Long id, BlockException e) {
        log.warn("Get user request blocked: {}", id, e);
        throw new RuntimeException("请求频率过高，请稍后再试");
    }

    // 异常回退方法
    public User getUserFallback(Long id, Throwable t) {
        log.error("Get user failed: {}", id, t);
        User fallbackUser = new User();
        fallbackUser.setId(id);
        fallbackUser.setName("Unknown");
        return fallbackUser;
    }
}

4.7 更复杂的限流规则配置

@Service
@Slf4j
public class SentinelRuleService {

    public void initComplexFlowRules() {
        List<FlowRule> rules = new ArrayList<>();

        // 基于QPS + 调用关系的限流规则
        FlowRule apiRule = new FlowRule();
        apiRule.setResource("/api/data");
        apiRule.setGrade(RuleConstant.FLOW_GRADE_QPS);
        apiRule.setCount(20);

        // 限制调用来源
        apiRule.setLimitApp("frontend"); // 只限制来自前端应用的调用

        // 流控策略：关联资源
        apiRule.setStrategy(RuleConstant.STRATEGY_RELATE);
        apiRule.setRefResource("/api/important"); // 当important接口QPS高时，限制data接口

        rules.add(apiRule);

        // 基于并发线程数的限流
        FlowRule threadRule = new FlowRule();
        threadRule.setResource("/api/heavy-task");
        threadRule.setGrade(RuleConstant.FLOW_GRADE_THREAD); // 基于线程数
        threadRule.setCount(5); // 最多5个线程同时处理
        rules.add(threadRule);

        // 加载规则
        FlowRuleManager.loadRules(rules);
    }

    public void initHotspotRules() {
        // 热点参数限流规则
        List<ParamFlowRule> rules = new ArrayList<>();

        ParamFlowRule rule = new ParamFlowRule("/api/product");
        // 对第0个参数（productId）进行限流
        rule.setParamIdx(0);
        rule.setCount(5);

        // 特例配置
        ParamFlowItem item1 = new ParamFlowItem();
        item1.setObject("1"); // productId = 1的商品
        item1.setCount(10);  // 可以有更高的QPS

        ParamFlowItem item2 = new ParamFlowItem();
        item2.setObject("2"); // productId = 2的商品
        item2.setCount(2);   // 更严格的限制

        rule.setParamFlowItemList(Arrays.asList(item1, item2));

        rules.add(rule);
        ParamFlowRuleManager.loadRules(rules);
    }
}

优缺点分析

优点：

• • 功能全面，支持QPS限流、并发线程数限流、热点参数限流等

• • 支持多种控制策略：直接拒绝、预热、排队等

• • 提供控制台可视化管理

• • 支持动态规则调整

• • 可与Spring Cloud体系无缝集成

缺点：

• • 学习曲线较陡峭

• • 分布式场景下需要额外配置规则持久化

• • 引入了额外的依赖

5. 验证码与行为分析防刷

对于某些敏感操作（如登录、注册、支付等），可以结合验证码和行为分析来防止恶意请求。

实现步骤

5.1 图形验证码实现

首先添加依赖：

<dependency>
    <groupId>com.github.whvcse</groupId>
    <artifactId>easy-captcha</artifactId>
    <version>1.6.2</version>
</dependency>

5.2 创建验证码服务

@Service
public class CaptchaService {

    @Autowired
    private StringRedisTemplate redisTemplate;

    private static final long CAPTCHA_EXPIRE_TIME = 5 * 60; // 5分钟

    /**
     * 生成验证码
     * @param request HTTP请求
     * @param response HTTP响应
     * @return 验证码Base64字符串
     */
    public String generateCaptcha(HttpServletRequest request, HttpServletResponse response) {
        // 生成验证码
        SpecCaptcha captcha = new SpecCaptcha(130, 48, 5);

        // 生成验证码ID
        String captchaId = UUID.randomUUID().toString();

        // 将验证码存入Redis
        redisTemplate.opsForValue().set(
            "captcha:" + captchaId, 
            captcha.text().toLowerCase(), 
            CAPTCHA_EXPIRE_TIME, 
            TimeUnit.SECONDS
        );

        // 设置Cookie
        Cookie cookie = new Cookie("captchaId", captchaId);
        cookie.setMaxAge((int) CAPTCHA_EXPIRE_TIME);
        cookie.setPath("/");
        response.addCookie(cookie);

        // 返回Base64编码的验证码图片
        return captcha.toBase64();
    }

    /**
     * 验证验证码
     * @param request HTTP请求
     * @param captchaCode 用户输入的验证码
     * @return 是否验证通过
     */
    public boolean validateCaptcha(HttpServletRequest request, String captchaCode) {
        // 从Cookie获取验证码ID
        Cookie[] cookies = request.getCookies();
        String captchaId = null;

        if (cookies != null) {
            for (Cookie cookie : cookies) {
                if ("captchaId".equals(cookie.getName())) {
                    captchaId = cookie.getValue();
                    break;
                }
            }
        }

        if (captchaId == null) {
            return false;
        }

        // 从Redis获取正确的验证码
        String key = "captcha:" + captchaId;
        String correctCode = redisTemplate.opsForValue().get(key);

        // 验证成功后删除验证码
        if (correctCode != null && correctCode.equals(captchaCode.toLowerCase())) {
            redisTemplate.delete(key);
            return true;
        }

        return false;
    }
}

5.3 创建验证码控制器

@RestController
@RequestMapping("/api/captcha")
public class CaptchaController {

    @Autowired
    private CaptchaService captchaService;

    @GetMapping
    public Map<String, String> getCaptcha(HttpServletRequest request, HttpServletResponse response) {
        String base64 = captchaService.generateCaptcha(request, response);
        return Map.of("captcha", base64);
    }
}

5.4 创建验证码注解

@Target({ElementType.METHOD})
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface CaptchaRequired {
    String captchaParam() default "captchaCode";
}

5.5 实现验证码拦截器

@Component
public class CaptchaInterceptor implements HandlerInterceptor {

    @Autowired
    private CaptchaService captchaService;

    @Override
    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
        if (!(handler instanceof HandlerMethod)) {
            return true;
        }

        HandlerMethod handlerMethod = (HandlerMethod) handler;
        CaptchaRequired captchaRequired = handlerMethod.getMethodAnnotation(CaptchaRequired.class);

        if (captchaRequired == null) {
            return true;
        }

        // 获取验证码参数
        String captchaParam = captchaRequired.captchaParam();
        String captchaCode = request.getParameter(captchaParam);

        if (StringUtils.hasText(captchaCode)) {
            // 验证验证码
            boolean valid = captchaService.validateCaptcha(request, captchaCode);
            if (valid) {
                return true;
            }
        }

        // 验证失败
        response.setContentType("application/json;charset=UTF-8");
        response.setStatus(HttpStatus.BAD_REQUEST.value());
        response.getWriter().write("{"code":400,"message":"验证码错误或已过期"}");
        return false;
    }
}

5.6 创建行为分析服务

@Service
@Slf4j
public class BehaviorAnalysisService {

    @Autowired
    private StringRedisTemplate redisTemplate;

    /**
     * 检查是否是可疑的机器行为
     * @param request HTTP请求
     * @return 是否可疑
     */
    public boolean isSuspicious(HttpServletRequest request) {
        // 1. 获取客户端信息
        String ip = getIpAddress(request);
        String userAgent = request.getHeader("User-Agent");
        String requestId = request.getSession().getId();

        // 2. 检查访问频率
        String freqKey = "behavior:freq:" + ip;
        Long count = redisTemplate.opsForValue().increment(freqKey, 1);
        redisTemplate.expire(freqKey, 1, TimeUnit.MINUTES);

        if (count != null && count > 30) {
            log.warn("访问频率异常: IP={}, count={}", ip, count);
            return true;
        }

        // 3. 检查User-Agent
        if (userAgent == null || isBotuserAgent(userAgent)) {
            log.warn("可疑的User-Agent: {}", userAgent);
            return true;
        }

        // 4. 检查请求时间模式
        String timeKey = "behavior:time:" + ip;
        long now = System.currentTimeMillis();
        String lastTimeStr = redisTemplate.opsForValue().get(timeKey);

        if (lastTimeStr != null) {
            long lastTime = Long.parseLong(lastTimeStr);
            long interval = now - lastTime;

            // 如果请求间隔非常均匀，可能是机器人
            if (isUniformInterval(ip, interval)) {
                log.warn("请求间隔异常均匀: IP={}, interval={}", ip, interval);
                return true;
            }
        }

        redisTemplate.opsForValue().set(timeKey, String.valueOf(now), 10, TimeUnit.MINUTES);

        // 更多高级检测逻辑...

        return false;
    }

    /**
     * 检查是否是机器人UA
     */
    private boolean isBotuserAgent(String userAgent) {
        String ua = userAgent.toLowerCase();
        return ua.contains("bot") || ua.contains("spider") || ua.contains("crawl") ||
               ua.isEmpty() || ua.length() < 40;
    }

    /**
     * 检查请求间隔是否异常均匀
     */
    private boolean isUniformInterval(String ip, long interval) {
        String key = "behavior:intervals:" + ip;

        // 获取最近的几个间隔
        List<String> intervalStrs = redisTemplate.opsForList().range(key, 0, 4);
        redisTemplate.opsForList().leftPush(key, String.valueOf(interval));
        redisTemplate.opsForList().trim(key, 0, 9);  // 只保留最近10个
        redisTemplate.expire(key, 10, TimeUnit.MINUTES);

        if (intervalStrs == null || intervalStrs.size() < 5) {
            return false;
        }

        // 计算间隔的方差，方差小说明请求间隔很均匀
        List<Long> intervals = intervalStrs.stream()
                .map(Long::parseLong)
                .collect(Collectors.toList());

        double mean = intervals.stream().mapToLong(Long::longValue).average().orElse(0);
        double variance = intervals.stream()
                .mapToDouble(i -> Math.pow(i - mean, 2))
                .average()
                .orElse(0);

        return variance < 100;  // 方差阈值，需要根据实际情况调整
    }

    // getIpAddress方法同上
}

5.7 创建行为分析拦截器

@Component
public class BehaviorAnalysisInterceptor implements HandlerInterceptor {

    @Autowired
    private BehaviorAnalysisService behaviorAnalysisService;

    @Override
    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
        // 对于需要保护的端点进行检查
        String path = request.getRequestURI();
        if (path.startsWith("/api/") && isPotentialRiskEndpoint(path)) {
            boolean suspicious = behaviorAnalysisService.isSuspicious(request);

            if (suspicious) {
                // 需要验证码或其他额外验证
                response.setContentType("application/json;charset=UTF-8");
                response.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());
                response.getWriter().write("{"code":429,"message":"检测到异常访问，请进行验证","needCaptcha":true}");
                return false;
            }
        }

        return true;
    }

    /**
     * 判断是否是高风险端点
     */
    private boolean isPotentialRiskEndpoint(String path) {
        return path.contains("/login") || 
               path.contains("/register") || 
               path.contains("/payment") || 
               path.contains("/order") ||
               path.contains("/password");
    }
}

5.8 使用示例

@RestController
@RequestMapping("/api")
public class UserController {

    @CaptchaRequired
    @PostMapping("/login")
    public Result login(@RequestParam String username, 
                        @RequestParam String password,
                        @RequestParam String captchaCode) {
        // 登录逻辑
        return userService.login(username, password);
    }

    @CaptchaRequired
    @PostMapping("/register")
    public Result register(@RequestBody UserRegisterDTO registerDTO,
                          @RequestParam String captchaCode) {
        // 注册逻辑
        return userService.register(registerDTO);
    }
}

方案对比矩阵
• 中小项目：方案一 + 方案二组合
• 分布式系统：方案三 + 方案四组合
• 金融级安全：方案五 + 方案四组合
• 快速上线：方案一（半小时部署

最佳实践建议
• 分层防护：网关层做粗粒度限流，业务层做精细控制
• 动态调整：通过配置中心实时调整限流阈值
• 熔断机制：异常流量激增时启动服务降级
• 监控报警：Prometheus+ Grafana 构建监控看板
• 灰度发布：新策略先在小流量验证

方案对比与选择

总结

接口防刷是一个系统性工程，需要考虑多方面因素：安全性、用户体验、性能开销和运维复杂度等。本文介绍的5种方案各有优缺点，可以根据实际需求灵活选择和组合。

无论采用哪种方案，接口防刷都应该遵循以下原则：

• • 最小影响原则：尽量不影响正常用户的体验

• • 梯度防护原则：根据接口的重要程度采用不同强度的防护措施

• • 可监控原则：提供充分的监控和告警机制

• • 灵活调整原则：支持动态调整防护参数和策略

通过这五种防刷方案的灵活组合，可构建从基础防护到智能防御的多层安全体系。建议从简单方案入手，逐步叠加防护层级，在安全性与用户体验之间找到最佳平衡点。