ラベル html の投稿を表示しています。 すべての投稿を表示
ラベル html の投稿を表示しています。 すべての投稿を表示

2026年11月14日

私(のページ)を攻撃しないで! (~2026年11月14日)

攻撃されるのが好きな人はあまりいないだろう。私もそうだ。
たとえそれがホームページであってもだ。

私が作っているホームページは、このページと技術系ページ、あとはお仕事ページだけだ。
お仕事ページは、個人事業主でやってるから何か紹介ページくらいないといかんだろうと作ったものでHTMLとCSSがあるだけだ。なんだかよくわからない線の画像も、Affinity Designer2でベジエ曲線の練習をしたときに「なんか意味ありげに見えそう」というだけの理由で選んだものだ。

お仕事ページは Cloudflare Pages で公開している。無料プランで使っているが、動画ファイルは難しいかもしれんものの制限はそんなに低くない(25 MiBはプラン関係ないかも)。

 

カスタムルール 

以前にいくつか記事を書いたが、あからさまにホームページを見ているわけではないアクセスが多い。

いやだ。。。

AI Crawl Control でブロックするようにしているのだが、相変わらず Claude-User からはアクセスされてしまう。

気づいたのが「カスタムルール」だ。
自分で中身を書いたとは思えないが、AI Crawl Control でブロックするようにした内容が全部入っているわけでもなさそうだ。"Claude-User" も入っていなかった。 

 

昨日気づいたので (http.user_agent contains "Claude-User") をカスタムルールに追加したところブロックする件数が増えたように見える。どれがブロックされたかわからんのではっきりとは言えんが。

Cloudflare の AI に聞いたところ、AI Crawl Control のブロックとカスタムルールは連動していて、AI Crawl Control を変更すると自動でカスタムルールを作成するようなことを言ってきた。
Freeプランだと反映に制限があるようなことを言ってきたので、User-Agent がわかっているなら自分で反映したほうが確実だろう。それにワイルドカードや正規表現が使えるなど自由度が高いので、いっそのこと Firefox だけとか・・・はやりすぎか。

こういうルールで書いてみた。来週までログを取ってみよう。

 

(
  (http.user_agent contains "bot") or 
  (http.user_agent contains "Bot") or 
  (http.user_agent contains "User") or 
  (http.user_agent contains "Arquivo-web-crawler") or 
  (http.user_agent contains "Baiduspider") or 
  (http.user_agent contains "Claude") or 
  (http.user_agent contains "CloudflareBrowserRenderingCrawler") or 
  (http.user_agent contains "meta-externalfetcher") or 
  (http.user_agent contains "ProRataInc") or 
  (http.user_agent contains "Terracotta")
)


2026/10/31追記

上のように "bot" を含む User Agent はブロックするよう設定したつもりだったが "Googlebot" がアクセスして 200OK を返したというログがあった。むむむ。。。 

 

ただこの /cdn-cgi/styles/cf.errors.css は Cloudflare が自動で返すものらしい。私がアップロードしたものではないし、実際にアクセスすると CSS っぽい大量の文字列が表示された。うちのサイトを表す文字列もないし、どこでも同じものが取得できるのだろう。
/ についてはちゃんと 403 forbidden を返している。
ならばよかろう。

2026/11/01

24時間以内には Claude からのアクセスはない。よしよし。その他のアクセスもほとんどなさそうなので様子見だ。

で、アクセスがあったというサイトに .output/nitro.json が出てきた。
Nitro というビルドシステム?を使ったときの生成物らしいのだが、うちのサイトは HTML と CSS しかない。Works & Pages と GitHub リポジトリを接続しているだけだ。
Cloudflare AI も、そういうビルドシステムは使っていないのでそんなの作っていないはずと主張している。

結局、Worker & Pages のプロジェクトを作り直した。Cloudflare AIの主張が、wrangler pages deploy などで最初にアップロードされたからといっていたが、そのコマンド実行は Worker & Pages のデプロイコマンドがやっているはずなのだがなぁ。それでアップロードされたという主張だったらファイルは古いはずのままだが、閲覧したファイルは自分が最近アップロードした HTML か何かから作っているはずなのだよなあ。ああ、ビルドログを確認してからプロジェクト削除すればよかった。

しかし・・・AIとはいえ .env とか config とか privatekey とかばっかりアクセスしやがって・・・ちったあ index.html を見にこんかい!

あからさまに情報収集ではなく攻撃する要素を探しにしか来てないよね・・・。 


まだ油断はできないが、ここ一週間でのAIアクセス(とCloudflareが判断しているもの)についてはほぼ防ぐことが出来ている。User-Agentの文字列で判断しているだけだから、本気で攻撃しようとしているわけでもないと思う。一次スクリーニング程度のもので、これでなんか取得できたらまじめ(?)に攻撃する価値があるか考えようか、とかじゃなかろうか。

 

 

Bot関連を全部止めようとしたのだが、うちのサイトはDuckDuckGoの検索がうまくいかないと私が困ってしまうのだった。DuckDuckGoのBotは許容したい。 

(
  (http.user_agent contains "bot") or 
  (http.user_agent contains "Bot") or 
  (http.user_agent contains "User") or 
  (http.user_agent contains "Arquivo-web-crawler") or 
  (http.user_agent contains "Baiduspider") or 
  (http.user_agent contains "Claude") or 
  (http.user_agent contains "CloudflareBrowserRenderingCrawler") or 
  (http.user_agent contains "Google") or
  (http.user_agent contains "meta-externalfetcher") or 
  (http.user_agent contains "ProRataInc") or 
  (http.user_agent contains "Terracotta")
) and (not http.user_agent contains "DuckDuckBot")


2026/11/02

読み取られてはいないのだが、同じIPアドレスからひたすらアクセスされている。PHPのファイルとか .env とかばっかり。100件残る 100件がこれだった。AWS らしいので、EC2 で VM を立ててやってるんだろうね。 

 

AWS に報告するしくみ(abuse report)はあるのだが、Destination で指定できるのが IPアドレスだけで、ログに残っているのはホスト名だけだったので途中でやめてしまった。 


2026/11/07

セキュリティルールを更新して1週間くらい経ったが、ようやく過去7日のログで「AI Crawl Control」でアクセスしているクローラーがいなくなった。 

 

まあ、あくまで Cloudflare がカウントした分なので、名乗らないクローラーについてはわからない。 


2026/11/09

2時間くらい調べながら書いていたのだが・・・消えた・・・。
警告が出ずに保存されずページ移動できることがあるんだね。長過ぎたので書き直してよかったのかもしれん。

 

AI Crawl Control でもセキュリティのカスタムルールでもブロック対象にしている Googlebot が今日になって 4件アクセスが来て通してしまっている。 
10月31日のと同じかもしれないが、ここは問い詰めなくては!

 

CloudflareのAIさんに聞くが、あちこち情報を引っ張り出し、ページによって記載が違って断言できないと言われたり、ブロックできてないとは思わないけど根拠はないなどと主張が弱々しくなったりといろいろあったが、結局よくわからない。

そもそもカスタムルールを設定し始めたのも Claude-User をどうしてもブロックできなかったからなので、なんかそういうのがあるのかもしれないね。

ブロックする式の提案で (cf.client.bot and http.user_agent contains "Googlebot") みたいなのを入れるのもありかも、ということだったので入れておこう。

 

2026/11/14

また様子を見てきた。
これはアクセスしてきた 1つの IPアドレスについて抜き出したものだ。
「上位パス」にあるものはどれも存在しないファイルなのでリンクをクリックしたとかではない。もうその時点で人間でも機械的なスキャンでもなく決め打ちでアクセスしていることがわかる。

日付で見ると、最初の方は成功している 2xx があるので、これは / などのありがちなのかリンクでたどれるところなのかわからんが成功している。3xx があるのは旧ホームページへ飛ばすページを見に行ったのだろう。

その数日後に失敗しかしていないアクセスがある。こっちがたぶん攻撃的なアクセスだろう。つまり、下見 or 情報収集と、それで手応えがありそうだったら攻撃、みたいな感じなのかしら。はん、ご苦労なことだ。 


2026/11/15

空の UserAgent でアクセスしてくるログがあった。偽装は簡単なのだからなにか入れればよいのに。

いや、そもそも偽装できるのだからどういう文字列でもあまり意味はないのか。ちゃんと自分の状況を伝えているのは「お行儀が良い」とすら思ってしまう。
ともかく、空のチェックくらいは追加しておこう。

(
  (http.user_agent contains "bot") or (http.user_agent contains "Bot") or
  (http.user_agent contains "Arquivo-web-crawler") or (http.user_agent contains "Baiduspider") or
  (http.user_agent contains "Claude") or (http.user_agent contains "CloudflareBrowserRenderingCrawler") or
  (http.user_agent contains "Google") or (http.user_agent contains "meta-externalfetcher") or
  (http.user_agent contains "muse-") or (http.user_agent contains "ProRataInc") or
  (http.user_agent contains "Terracotta") or (http.user_agent contains "User") or
  (cf.client.bot and http.user_agent contains "Googlebot") or
  (http.user_agent eq "")
) and (not http.user_agent contains "DuckDuckBot")
 

前回 AIの提案で追加した cf.client.bot だが、よく考えると "Googlebot" と ANDしているので、元々 "bot" を含んでいるなら除外しようとしている式があると意味がないな。。。

 

AIボットかどうかではなくボットかどうかなのかな?
それならそのまま埋め込んでおこう。 

(
  (http.user_agent contains "bot") or (http.user_agent contains "Bot") or
  (http.user_agent contains "Arquivo-web-crawler") or (http.user_agent contains "Baiduspider") or (http.user_agent contains "Claude") or (http.user_agent contains "CloudflareBrowserRenderingCrawler") or (http.user_agent contains "Google") or (http.user_agent contains "meta-externalfetcher") or (http.user_agent contains "muse-") or (http.user_agent contains "ProRataInc") or (http.user_agent contains "Terracotta") or (http.user_agent contains "User") or
  cf.client.bot or
  (http.user_agent eq "")
) and (not http.user_agent contains "DuckDuckBot")
 

 

2026年10月18日

robots.txtだけではやっぱりダメだ

たまにしか確認しないが、Cloudflare ダッシュボードを見ると BOT からのアクセスが定期的に行われているようだった。

 

robots.txt の更新はしたのだが、ここに挙がっている User-agent は 3つとも Disallow に設定されていた。なんでよー、と思ったが、単に robots.txt を無視してアクセスしているだけだった。

 

大手は違反しないと思っていたのだが、そんな時代ではないらしい。
Cloudeflare のセキュリティ設定で「AIボットポリシー」があったのだが、設定してなかったので許可になっていた。Bot FightモードはONにしていたのだけどね。
「ブロック」にしたらブロックしてくれるのだろうか? 「許可しない」との区別がよくわからんが、接続しようとしたときにすぐ切断するか返事をせずじらすかの違いだろうか。 

 

機能はいろいろあるけど使いこなせていませんな。  

2026年10月11日

とりあえず漁られている気がする

ドメインをCloudflareで管理していて、簡単なアクセス情報なんかもそこで見ることができる。
さて、うちのサイトで人気があるのはどこかな・・・。

 

 

 

ページじゃないんかい。
.env
とか API アクセスとか、とりあえずファイルやデータを漁ろうという気迫を感じる。 

 

Jekyllは.envを上げないようだ

静的サイトだし、デプロイなどはGitHub Pagesの挙動に任せているので .env もなければAPIも持っていないのだが、そんなにアクセスしたいなら用意してやるわい!と .env だけ置いてみようとした。

が、さすがにページを作るのに不要なファイルだからかアップロードされなかった。 /api/fs/read はできた。まあ単にファイルがダウンロードできるだけだが。JavaScript の fs をそうやって表に出すことがあるんかね。

2025年12月20日

Chromeはけっこう通信する

うちのWindows11環境にはだいたい Windows Firewall Control を導入している。
Windows標準のFirewallを制御しやすくした感じだろうか。専用Firewall製品に比べるとできることは限られるだろうが、無料で使えるのでありがたく使っている。
いつの間にか Malwarebytes製品になっていたが、それ以降も無料で使うことができる。premium版も気にはなったが、お金がね、お金がね。。。

標準の機能だと、通知をするようにしていてもほとんど通知されたことがない。通知せず、規則も追加せずに許可状態になっているのがほとんどのように見える。 

 

 基本ルールは、許可が無ければ通信しない、なのでどれか広い規則が通しているのかもしれない。よくわからん。

 

また、アプリのインストール時やアップデート時に自分で規則を追加することがある。これはもうどうしようもない。インストールするときに管理者権限を与えるので止めることもできないし。なので、規則を簡単に探せたり設定できる Windows Firewall Control はありがたいのだ。

ただ、これは他の Firewall にも言えることだが、だいたいの場合は困ることが多い。通信ができると思っているアプリなので失敗すると「エラーです」になるのだ。インストーラーなどでいろいろ入力してさあ開始というところでエラーになって最初からやり直しになるということもしばしばである。しれっと失敗して内部にログだけ書き込んでユーザーは気付かないというパターンもある。

初心者お断りとかいうよりも、Firewallは導入して体験していかないとわからないタイプのアプリだと思う。少なくとも、PCが苦手な人のために親切でインストールするようなものではない。 

Chrome

ブラウザといえば、基本的には 80番か 443番の TCPだけ見ていればよいと思う。拡張機能などがアクセスすることはあるだろうが基本はその2つだと思う。名前解決は OS に問い合わせてくれれば良いので LAN 内は UDP の 53番も許可しよう。部屋の外に持ち出すつもりがないのでそんな感じで。

そういう感じにしておくと Chrome の起動時にはいろいろ通信遮断されているログが出力される。 

 

Chrome も Edge もそうだが、mDNS ということで UDP の 5353番のルールを追加してくる。遮断してもアップデートのたびに追加してくる。

起動時に遮断したのはこんなところか。他もあると思うが面倒なのでこの3つで。 

 

一番上は、台湾Google。
二番目は、カルフォルニアGoogle。
三番目は東京のKDDIだけど、これはうちが auひかりだからか?

5228番は Google Cloud Message などのポートみたいだ。アップデートの通知とかかしら? 


他のブラウザは?

Edge はアプリ自体通信禁止にしている。使いたいときだけ許可する。アップデート時に勝手に許可されないように気をつけようだ。

Firefox には・・・甘い。うちのデフォルトブラウザである。今後は分からないが。

Firefoxのシェアは低い。そうなると資金もなくて開発が続かない。それくらいなら・・・といろいろ導入しようとしているようで心配ではある。私の稼ぎがもう少しましになったら寄付も考えよう。フリーランスは厳しいのだ。。。

2025年12月19日

[Google Search Console]内部的な問題らしい

2025年11月になってなぜか登録が進み始めた Google Search Consoleのインデックス。
別に Google Search Console のアカウントがあるからといってインデックスが作られる・作られないということはないと思うが、このサイトが無いと状況がわからないので登録している。

先ほど見ると、また登録件数が増えていた。
「内部的な問題」というのは私のサイトのじゃないよね・・・? さっき自分のページを見たら GitHub Pages の何かに失敗していたのかアクセスできなかったのだ(GitHub Actionsもエラーになってなかったのに。。。)。修正したので数日後に見に来よう。

 

問題がなんなのかよくわからないけど、どうしようもないしいいか。
まだGoogle検索からは除外するようにしたままだけど、来年には戻して良いかもね。

 

2025年11月6日

[Google Search Console] ソフト404 ?

Google Search Console に自分のサイトを登録しているのだが、開発ブログがどうやっても登録されないので、面倒になって2025年9月に 6ヶ月ブロックした。ブロックというか、非表示設定だ。robots.txt などをいじらないとブロックはできなさそう。
site 付きで検索しても今は表示されなかったので、非表示にはなっているようだ。

 


来年の2026年3月まで放置しておくつもりだったのだが、2025/11/06 通知が来た。

 

指摘されたページは存在するし、そもそも登録ブロックしていたはずなのだが。
URL検査すると、可用性の問題?らしい。

 

よくわからんね。。。

 

よくわからんのだが、ブロックしているのに急に登録作業が始まったようだ。
なんだろう、嫌がらせだろうか。 

 

非表示のリクエストはしているし、ステータスもそうなっている。
これは「非表示にしたけどインデックス登録しないとは言っていない」ということだろうか。

 

サイトマップは相変わらず sitemap.xml だと読み込まず、別の名前にすると読み込んでいる。
読み込んでいる方も非表示設定したくらいが最後なので、サイトマップを見て登録し始めたわけでもなさそうだ。

 

さっぱりわからんね。 

2025年4月24日

HSTS

FirefoxでXに載っていたURLをクリックすると接続できなかった。
潜在的な脅威らしい。


このサイトには HSTS というものが設定?指定?されているので安全な通信=HTTPS とか TLS とかでしかアクセスできないという。

Xのリンクといってもユーザのページにあるリンクだ。


最近はブラウザでカーソルを当ててもスキーマが表示されない・・・と思ったが、これは HTTP だと表示せず、HTTPS だと表示するようになってるのかな?


ともかく、ソースコードを見ると http:// だった。
だったけど、 .dev だから? HTTPS が強制されたようだ。


この強制するというのが HSTS というものだそうだ。その中でも、HTTP で読み込んでしまうと攻撃される可能性があるのでいくつかのドメインはブラウザの方で強制的に HTTPS で読み込みますね、というのが HSTS preload というしくみで、それが↑でチェックした内容だ。

なので今回は、ブラウザが自動で HTTP を HTTPS と読み替えてアクセスしたというだけのことで表示を禁止するような内容ではない。もしそれでダメなのなら最初から HTTPS でアクセスすれば回避できるはずだがそうはならなかった。

問題があったのは HTTPS でアクセスした後のことで、HTTPS で読み込んだけど証明書がドメインと違うというのが原因だった。


そりゃダメだな。
まあ、こっちは読み込む側だから無視すれば読み込めるのだが、そこまでして見たいわけではなかったしね。

しかし、証明書とドメインが異なるというのはどういうことだろうか。GitHub Pagesでも独自ドメインを付けられるが、ああいう設定をしていない状態なんかね。