基于Openresty+的WEB安全防护系统架构--转

随着时间的推移，我们在实践中也不断的演进我们的服务部署方案，希望WEB防护，不只是单独的云WAF来保护服务，而有其它的相关服务，对WAF进行增强加固的合理配合。我们使用Openresty+系统构建了WAF，而在实际的应用场景中，WAF也要嵌入我们的已有防护体系中，与其它系统一起协同工作。

概要

随着时间的推移，我们在实践中也不断的演进我们的服务部署方案，希望WEB防护，不只是单独的云WAF来保护服务，而有其它的相关服务，对WAF进行增强加固的合理配合。我们使用Openresty+系统构建了WAF，而在实际的应用场景中，WAF也要嵌入我们的已有防护体系中，与其它系统一起协同工作。我们从最开始的服务无保护状态，到日志分析威胁，到流量镜像，都是渐进发展的过程，有了基本的蓝图构想，可以使用各种技术手段去完成安全防护系统的建设。

1 无保护业务系统

从多种的角度出发，我们可以基于被保护系统，构建复合的安全保护方案，代码审计、WAF、反抓站DDOS、日志分析、蜜罐、IDS等各种安全子系统，构建较丰富立体的安全防护系统解决方案，但最开始的系统，往往都是只有纯业务系统，并没有更多的安全系统为其护航，面对各种攻击，显的比较脆弱，被黑客利用漏洞，上传木马、篡改页面等危险攻击操作。

2 代码审计系统

典型的WEB服务，都会涉及到域名解析，负载均衡和代理服务的，多层WEB服务结构，而WEB服务的保护会涉及到，对源代码的安全审计，便于发现被挂马和被恶意篡改的威胁问题。可以用很多的开源审计工具，也可以买商业审计工具，来进行定期的代码审计。审计工具只是一种威胁发现的手段，当我们挖掘出了一些威胁规则，可以通过WAF提供的接口服务，将涉及工具的检查规则，转换成WAF可以理解的安全策略规则，推送给WAF系统进行拦截。

3 反抓站与DDOS防护

在没有WAF系统之前，或者说，如果不用传统的7层流量监听的WAF，我们也可以把各个WEB服务应用的访问志进行落地收集，然后通过大数据统计的方式，挖掘日志中存在的威胁，识别抓站，进行CC或是DDOS的防护，然后通过告诉代理服务器，对统计出的威胁目标进行封禁。今天，基于ZK、Kafka、Spark的大数据工具，可以很好的完成数据统计分析任务，优良的算法，可以实时高效的进行防护拦截攻击。

因为有负载均衡和代理服务器存在，让日志收集可以变的更集中方便。

4 传统云WAF

大数据分析固然很好，但是做HTTP请求到日志落地也会损失一些数据，比如Post、session、cookies这些数据的检查，使用直接7层HTTP流量分析的模式可以获取更多的一手数据。这种情况，在服务的7层引入了WAF防火墙拦截监听服务，这种传统WAF模式，可以更直接深入到HTTP请求的协议的内部数据，过去我们将业务系统的日志，直接发给反抓站系统，当引入云WAF的时候，我们也可以通过WAF向其推送数据。

之前都是业务系统通过向kafka队列推送数据给反抓站系统进行数据分析，如果使用WAF向反抓站系统推日志数据也可以，是对地集群内的结点收集发送数据有管理成本。对反抓站系统来说WAF就是一个拦截模块，对于WAF来说反抓站就是一个分析模块，反抓站可以把分析的结果告诉WAF进行拦截，子系统之间进行互动。

5 WAF与蜜罐

WAF与业务服务的连接方式，把原有域名指向，指向WAF集群，再由WAF集群回源到服务的负载均衡，完成http流量的分的拦截到放过，交给原有业务服务响应。WAF系统本身也提供了类似REST接口，将代码审计的威胁和反抓站DDOS的威胁，通过接口传给WAF拦截。这种模式，意味着，如是有人直接攻击WAF，使用UDP等垃圾数据攻击。这种情况，保留流量包pcap的原始数据，对后期分析就比较有意义了。

6 攻击流量记载

如果我们不想把WAF和业务进行串接，只想做流量监听，我们也可以不把DNS指向WAF集群，而是在代量服务那层通过HTTP-MIRROR等类似镜像技术，将HTTP流量复制一份到WAF，然后不做回源，将流量引入fake upstream，fake upsatream的响应会被上层的服务丢弃，如果我们想将威胁流量和威胁流量进行分开引流，可以再加入一个honeypot的upstream,收集威胁流量，这样主干业务上，请求的都是正常请求响应的，而在镜像给WAF的流量中，可以识别生产流量中存在的威胁请求，将威胁请求切到honeypot上进行威胁分流，因为不回源，只能做分类，不能做诱导性的数据收集，串接WAF的方式就可以，但如果真是把威胁流量引到真的honeypot上，honeypot本身也会发出报警，并收集payload。

7 日志中心

如果不满足于，只是将威胁流量记录到Honeypot上，也可以将流量在动态切换到Honeypot的服务时，通过pcap录制技术将流量包记载，类似netflow的模式，按时间分割流量保存，并可重放。这样就不仅仅有日志文本、payload、还有原始的请求包，通过类似wireshark等工具仔细分析，后期也可以通过重放技术，把当时攻击发生时的流量，重放到靶机测机上，进行案发现场分析。

8 大数据与威胁报警

关WAF日志部分，WAF通过传统的Syslog吐出高中低危的报警事件和数据，更便于我们对攻击的行为的分析和定位，我们也可以将syslog日志数据收集到，自建的数据中心中，进行后期的分析与预警，有了报警数据，我们也可以将数据与其它子系统进行数据对碰。

9 总结

围绕被保护的WEB构建代码审计服务、WAF、反抓站分析、蜜罐、日志分析报警和Payload流量记载等多种方式，来监听WEB服务，发现攻击威胁，定位威胁。可以根据实际的应用场景和自身情况，选择商用服务、开源服务、或是自主构建安全系统都可以。采用模块化的构建方法，每个子系统可能都有多种的实现解决方案，但始终离不开的都是流量的监听、数据落地、与后期分析、预警报告等阶段，后面我们也会选择使用具体的工具，来完成图上的安全系统建设。