资讯文章资讯 · NEWS

收录进去的站点变危险了：目录站的风险网址检测、提示与下架流程

2026-10-24 约 1,976 字预计阅读 5 分钟 yiyunkj

目录站有个绕不开的责任：你收录的条目，是用户点出去的依据。那个站点当时没问题，不代表三个月后还没问题。

站点被入侵挂马、域名过期后被抢注去做钓鱼、备案主体换了人改做博彩——这几种变化在几百个条目的目录站里，一年总会碰上几次。

目录站条目风险网址检测的四层信号与处置流程示意图

图片来源：网络，版权归原作者所有，侵权请联系删除

先说清楚：不要自己建黑名单判断

最容易想到的做法是爬一遍目标站，检查页面里有没有可疑关键词、有没有跳转到奇怪的域名。这套做法的误判率高得离谱——正常站点用第三方统计代码、有广告跳转、有短链，都会被判成可疑。

更关键的是：你没有资格对外宣称一个站点是恶意的。这是第三方权威机构该下的结论，你引用就行了。自己判错了，性质从「引用错误」变成「诽谤」。

Google Safe Browsing 是这类场景最常用的。它保护着超过五十亿台设备，Chrome、搜索、Gmail、广告都在用它的名单。开发者可以通过 API 查询。

API 有两个版本在用：

v4 Lookup API：向 threatMatches:find 发 POST 请求，一次最多查 500 个 URL，请求体里带上威胁类型（MALWARE、SOCIAL_ENGINEERING 等）、平台类型和要查的 URL。
v5：单个 GET /v5/hashes:search 端点，客户端先算 URL 的 SHA-256，只发哈希前缀给服务端，拿到候选完整哈希后在本地比对。这个设计是为了隐私——Google 看不到你查的具体 URL。

威胁类型主要就两类值得目录站关注：MALWARE（恶意软件）和 SOCIAL_ENGINEERING（钓鱼和欺诈）。后者从 2005 年做起，前者从 2006 年起，是不想要的软件之外最老的两个名单。

仅限非商业用途。Google 的使用限制条款写得很明确：Safe Browsing API 仅限非商业用途，也就是「并非用于销售或产生收益」。如果你要靠它做商业产品，应该用付费的 Web Risk API。目录站自己用来检查收录的条目，通常落在非商业范围内，但如果你把检测结果作为一项服务卖给别人，性质就变了。
展示警告有格式要求。如果你要把检测结果展示给用户，条款里有具体规定：不能让用户以为你在确认该页面「就是」不安全的资源，措辞要用「疑似」「可能」这类词；展示源自 Google 数据的警告时，必须附上 Google 提供的补充公告，并给出链接；如果警告来自别的来源，不能挂 Google 的署名。

这几条看着繁琐，但都很合理——你在替第三方下判断，措辞必须留余地。

API 检测只覆盖已知名单，对「刚刚被入侵」「刚刚换了主人」这类新变化有滞后。补几层自己的观察：

目标页面的标题突变。一个设计工具的标题变成了博彩词汇，几乎可以肯定域名被换掉了。标题是你本来就在爬的字段，加个比对几乎零成本。
跳转链变长或终点变了。以前直达，现在先跳到一个陌生域名再跳回来，这是典型的被插了跳转。
备案主体或 whois 关键字段变了。这个更新频率低，但一旦变了分量很重。注意别把 whois 的原始数据直接展示在条目页上——公开可见的数据现在很有限，展示错了要担责。

顺序很重要，搞反了会出问题：

先下架或加提示，再核实。疑似风险的处理不需要等确认。先把条目从列表里撤下或者加上醒目的提示，再慢慢核实。反过来做的话，你是在明知可能有害的情况下继续导流。
核实要人工过一遍。API 有缓存时长，也有误判。人工打开看一次，确认是不是真的。
确认有问题的，永久下架或标记。用 410 还是保留页面加提示，取决于这个条目有没有历史价值。如果是域名过期被抢注，通常直接下架；如果是原站被入侵、后来修好了，可以恢复但要在记录里留一笔。
从索引里撤掉。下架只是你站上没有了，搜索结果里可能还在。提交移除请求，并确认 sitemap 里已经没有这条。
排查有没有同类。同一个注册人、同一个 IP 段、同一批收录时间的其他条目，一起过一遍。这类问题很少只出现一个。

如果条目还在（比如只是疑似、还没确认），提示要满足三个条件：

全量跑一遍 API 的成本不高（v4 一次能查 500 个 URL），但也不必天天跑。一个可行的节奏：

把这套跑起来之后，你要防的就不再是「收录了坏站点」，而是「坏站点在我这儿挂了三个月没人发现」。后者才是真正会伤到站点信誉的那件事。