某個週一早上，詢問總表多了十九列不是客人的資料

有一個週一早上打開詢問總表，發現週末多了十九列新資料。點開一看，不是客人，是機器人灌進來的垃圾——內容不外乎免費遊戲點數、加密貨幣錢包、領取三千美金獎金這類東西，還夾帶一串連結。同事一開始還以為是新的行銷活動誤觸發，花了十幾分鐘才確認是灌水攻擊，然後一列一列手動刪掉。

旅行社的官網表單、徵才頁面，都是公開可填的入口，對自動化的灌水程式來說，跟一扇沒鎖的門沒什麼兩樣。這種事不會每天發生，可能一個晚上灌進幾十列，也可能一整個禮拜都風平浪靜——問題就出在這個不規律上，忙的時候根本沒人記得回頭檢查那張表。

一開始我用人工刪，撐不了幾天

最早的做法是每天早上進去看一眼、手動刪掉。人工處理的下場很快就出現：忙的時候忘了刪，資料表裡混著真客人跟假資料，業務要撈名單的時候得先自己肉眼過濾一次，久了沒人敢直接相信那張表是乾淨的。

所以我寫了一支每天凌晨四點跑一次的程式，自動把這類資料清掉。挑凌晨四點是刻意的——這個時間點幾乎不會有真正的客人在填表單，清理動作跟真實流量重疊的機率最低。

判斷規則分三層，一層比一層謹慎

判斷哪些是垃圾，用了三層規則，由嚴到寬：

第一層是已知的惡意網域清單，只要文字欄位裡出現清單裡的網域，不管前後文寫什麼，直接判定為垃圾。這一層最硬，因為這些網域幾乎不可能出現在正常的旅遊詢問裡。

第二層是「文字欄位裡有網址、而且同時含有誘餌字眼」才刪——誘餌字眼包括各種變形寫法的免費、中獎、加密貨幣錢包、限時領取之類的詞組。這個「而且」是後來才加上去的關鍵字。最早的版本只要欄位裡有任何網址就判定刪除，結果誤刪了真客人的資料——有些客人會在需求欄位貼自己想去的景點連結、或是想參考的行程網址，那是完全正常、甚至該被珍惜的填寫行為。加上「還要同時含誘餌字」這個條件之後，這類誤刪才停止。

第三層是寄件信箱的格式：長得像系統隨機產生的帳號，例如一串數字加常見免費信箱網域，這種格式在真人填寫的詢問裡極少出現。

白名單：寧可漏刪，不可誤刪

除了三層規則，我另外維護一份白名單，裡面是往來同業與合作夥伴的網域。只要某一列的任何一個欄位出現白名單裡的網域，整列就永遠不刪——即使它同時命中了第二層或第三層的規則。

唯一的例外是第一層那個已知惡意網域，白名單擋不住它。理由很現實：如果白名單可以擋掉最硬的那一層規則，攻擊者只要在垃圾內容裡順手塞一個看起來正常的網域字串，就能繞過整套機制，白名單反而變成漏洞。

這個設計背後的取捨講得很直白：**寧可漏刪幾列垃圾讓人自己清掉，也不能誤刪一封真的詢問信。**一列垃圾留著，最多是看了礙眼；一封真客人的詢問被刪掉，那是實實在在的生意沒了，而且你永遠不會知道它曾經存在過——它不會留下任何痕跡讓你發現自己犯了錯。

刪掉的東西要留下來，而且要去毒

程式不是直接刪除，是先把整列原封不動備份到另一個分頁，再刪掉原本那列。備份的時候會把裡面的網址去毒處理——把可以直接點擊的連結格式拆解掉，讓內容還能被人讀懂、判斷，但那串網址不會是點一下就會跳轉過去的狀態。

這樣做有兩個理由。一是萬一哪天發現規則誤判了，備份還在，救得回來。二是備份資料本身就是一份觀察樣本，隔一陣子回頭看，會發現灌水的手法慢慢在變——誘餌字的用詞、信箱格式的規律都會演化，規則也要跟著調整，不是設定一次就永遠有效。

通知信也刻意設計成只有抓到東西才寄。如果每天都寄一封「今天沒事」的信，收信的人大概三天後就會養成自動略過的習慣，等到真的有事那天，同樣會被順手滑過去。只在有實際抓到垃圾的那天才發通知，才能維持通知本身的分量。

如果你也是旅行社

只要你有公開的表單入口，這件事遲早會發生。動手之前先想清楚誤刪的代價——在旅行社這一行，一封被誤刪的詢問信，比一百列沒清掉的垃圾嚴重得多。先做好備份跟白名單這兩道保險，再談判斷規則要寫得多聰明。