笔记-HTTP代理

1. 基本原理

所谓代理，一个重要的目的是身份伪装，让被访问端无法正辨识访问者的身份。

那么下一个问题是服务器从哪些信息上来识别访问端的身份。

以php http服务器为例：

REMOTE_ADDR：访问客户端的IP地址

HTTP_VIA：如果有该条信息,就证明您使用了代理服务器,代理服务器的地址就是后面的数值。

HTTP_X_FORWARDED_FO：如果有该条信息,也证明了您使用了代理服务器代理服务器的地址就是后面的数值。

HTTP_ACCEPT_LANGUAGE：您浏览器所使用的语言集

HTTP_USER_AGENT：对大多数浏览器而言，这个值一般是Mozilla.可能还会包括浏览器的类型和版本号以及操作系统信息。

HTTP_HOST：网页服务器名称

1.1. 代理种类

代理有不同的级别，从无伪装到完全伪装。

使用不同种类代理服务器，上面的信息会有所不同：

没有使用代理服务器：

REMOTE_ADDR=您的IP

HTTP_VIA=没数值或不显示

HTTP_X_FORWARDED_FOR=没数值或不显示

透明代理服务器：TransparentProxies

REMOTE_ADDR=代理服务器IP

HTTP_VIA=代理服务器IP

HTTP_X_FORWARDED_FOR=您的真实IP

这类代理服务器还是将访问信息转发给访问对象，无法隐藏真实身份。

普通匿名代理服务器的情况：AnonymousProxies

REMOTE_ADDR=代理服务器IP

HTTP_VIA=代理服务器IP

HTTP_X_FORWARDED_FOR=代理服务器IP

隐藏了真实IP，但是向访问对象透露了使用代理服务器访问。

欺骗性代理：DistortingProxies

REMOTE_ADDR=代理服务器IP

HTTP_VIA=代理服务器IP

HTTP_X_FORWARDED_FOR=随机的IP

告诉了访问对象您使用了代理服务器，但编造了一个虚假的随机IP代替您的真实IP欺骗它。

高匿名代理：HighAnonymityProxies(Eliteproxies)

REMOTE_ADDR=代理服务器IP

HTTP_VIA=没数值或不显示

HTTP_X_FORWARDED_FOR=没数值或不显示

完全用代理服务器的信息替代了所有信息，就象是完全使用那台代理服务器直接访问对象。

2. 代理识别方法

代理识别可以从两个角度来考虑，首先是从客户端发过来的数据包头中去提取信息并验证身份，不过这种方式容易破解；第二种则是反向探测客户端，毕竟代理终归是服务器，其特征与个人终端有很大的不同。

下面列出了常见的代理识别方法：

反向探测技术：扫描IP是不是开通了80,8080等代理服务器经常开通的端口，一个普通的用户IP不太可能开通如上的端口；
HTTP头部的X_Forward_For：开通了HTTP代理的IP可以通过此法来识别是不是代理，如果带有XFF信息，说明该IP是代理IP无疑；
Keep-alive报文：如果带有Proxy-Connection的Keep-alive报文，号位疑问该IP是代理IP；
查看同一来访IP端口：如果一个IP中有的端口大于10000，那么该IP大多也存在问题。
其它信息，还有浏览器版本，操作系统版本，使用语言，COOKIE，机器名，登录用户名等等，如果IP一换再换，其他信息却从未变过，也是代理了。