对人力资源服务行业来说，流量犹如一把双刃剑。涌动的流量如同黑盒，在繁荣的背后，各种恶意机器流量、黑产SEO、数据黑手和僵尸程序暗潮涌动，想要看清它们绝非易事。
客户关键词
90年代首批自建IDC的互联网企业
大型人力资源服务提供商
拥有国内Top级职位信息库
作为国内最早一批提供求职招聘服务的互联网企业，经过20余年的业务发展，该服务商形成了具备异地容灾能力的“两地三中心”机房架构，其上运营着包括招聘、猎头、培训、测评、人事外包等在内的200余项人力资源服务，业务服务器承载的流量复杂且极具多样性。
流量黑盒
庞大的业务体量、日均pv千万级，基础设施压力和运维人员负担可想而知。一方面，来自搜索引擎的虚假流量和来自三方猎头、竞品平台的内容摄取机器人泛滥，严重挤占了服务器资源，为避免影响业务正常运转，运维人员只好不断增加服务器数量，硬件成本被大幅推高；另一方面，分散的地理空间下，异构资源池的安全管理缺乏统一视角，碎片化的安全布局令运维人员疲于奔命，流量处置效率却得不到有效提升。
访问入口、目的与人群的多样性加剧了企业安全人员的流量隐忧，新型的移动端访问入口如app、小程序、h5的访问行为轻量、快速、页面停留时间短但分享率高，与传统pc端流量有很大差异，运维管理人员在识别流量属性与来源，拆解访问路径和访问行为的过程中存在盲点。
更重要的是，复杂的流量迷雾也推高了数据价值挖掘的壁垒，企业管理层需要一种真正看得见、看得清“流量网络”的方案，为业务决策和战略转型提供依据。
轻度上云，流量先行
在数字化转型的进程中，我们选择将互联网出入口率先搬到阿里云上，即使业务仍然部署在IDC，也能便捷享受一体化流量安全带来的“丝滑”防护体验。
——该人力资源机构安全运维负责人
安全产品作为流量的出入口，能够很好地承担流量可视与精准防控的职能。阿里云的混合云安全方案，将公共云安全能力与传统IT架构下的业务部署完美融合，助力用户在业务不上云的情况下，通过云来对暴露面进行收敛，实现进出流量统一防御与管理。
该人力资源服务机构混合云安全架构示意图
- 识别虚假访问，节约推广成本，杜绝“虚假繁荣”；
- 跨数据中心识别并清理恶意攻击流量、恶意BOT和非法访问，减轻基础设施压力和运维人员负担；
- 全局视角看清流量构成，流量来源与访问行为，为企业战略决策提供依据。
- 跨物理空间安全便捷部署与一体化管理，避免重复采购、重复部署和重复规则配置，提升管理效率；
- 按流量规模和业务需求调用安全模块和防护节点，降低安全成本。
“无感”应对恶意BOT
人力资源行业是网络恶意机器人流量的“重灾区”。面对肆虐的恶意脚本和大规模“复杂可持续”攻击者，阿里云为该人力资源服务商制定了全局监控，分级识别清理的防护对抗策略，最大程度降低爬虫对抗对业务的影响。
全局监控逻辑下，观察模式仅对机器流量进行学习和识别，并对流量来源、构成、爬虫类型和爬虫行为进行详细分析，不产生对抗；
针对不同的业务系统防护需求，安全运维人员可自行调用配置防爬策略，JS挑战、滑块和严格滑块形成组合拳，从而对不同风险等级的域名实现精细化防控；
最后通过持续运营对策略进行调整和优化，最大限度识别日常爬虫流量，看清业务流量的实际构成。
数据防泄露的”第一道门“
《数据安全法》已经于9月1日生效，相应的对提供人力资源服务的企业如何进行数据合规治理工作，也释放了明确的信号：对于求职者个人信息、简历、评测、职位信息等核心数据资产和用户隐私信息，做出有前瞻性的数据保护进程安排，守住数据资产“生命线”。
阿里云从全域流量统一识别、分析与管控的角度，帮助组织提前发现并处理恶意攻击流量，做好保障好企业业务数据安全的关键一环。
主动发现风险接口
检测出当前业务中有敏感数据泄露的接口，以及可能泄露的敏感数据类型，实现数据泄露风险资产的可视化，帮助用户快速定位问题；
流量出口智能响应
对服务器的响应报文做修改，比如业务将敏感数据打码或者拦截等，以便用户在无法修改业务代码的情况下缓解数据泄露风险；
层次化反入侵
绝大部分入侵行为的最终目的都是获取敏感数据，阿里云waf内置宽松、中等、严格三种不同级别的策略模版，精细化策略配置，防止攻击者拿到系统权限或非法获取数据库中的敏感数据。
客户价值
- 通过BOT管理策略，对各个业务系统的管控精细化到接口层面，实现对业务流量的精细化管控，日过滤爬虫流量千万级；
- 通过云WAF进行暴露面收敛，在日益增多的攻防演习和红蓝对抗的大背景下，防守面收敛100%，大大减轻边界防护的压力。
- 云上安全能力一键开启、一键防御，安全服务按业务需求购买、弹性可扩展，大幅降低安全投入，运维效率提升近80%；
- 基于阿里真实业务场景积累的全网威胁情报实时更新，小时级响应应对突发0Day漏洞；
- 云上安全强大的威胁情报能力和规模效应带来的技术优势，帮助企业“看清”业务流量来源、占比和流量行为，为业务发展和转型提供依据。
