DDoS应急预案演练怎么做?桌面推演剧本

预案演练做得再完整,真被打时还是各问各的,问题多半不在技术,而在演练方式。本文讲清桌面推演怎么做、剧本怎么写、角色怎么分、失分点在哪、演练完怎么闭环。

Q:买了高防、配了 WAF,为什么真被打的时候还是乱?

  • 防护设备解决的是「流量怎么清洗」,不解决「谁来拍板、按什么顺序做、什么条件下切、切完怎么验证」。
  • 攻击发生时最贵的不是带宽,是时间。决策链每多一次「这个要不要先问一下领导」,就多烧掉几分钟业务。
  • 演练的价值不是考核谁,而是把「到时候找谁」从临时想起,变成本能反应。

Q:桌面推演和实战演练有什么区别,先做哪个?

  • 桌面推演不动线上:一群人围着一条时间轴往前走,主持人按剧本扔事件,参演人说自己会做什么、依据是什么。成本低、可以高频做,专治决策混乱。
  • 实战演练真切流量、真改配置,验证的是配置和链路有没有按预期生效。代价是有真实中断风险,一年一两次足够。
  • 顺序是反的:先桌面推演把流程捋顺,再用实战演练验证其中关键的三四步。反过来做,等于拿生产环境测流程。

Q:一次桌面推演的完整流程是什么?

  • 五段:定场景、提前发通知、现场推演、当场讲评、整改闭环。全程 90 分钟足够,超过两小时注意力就散了。
  • 提前三天发通知,但不发剧本。只说「下周三下午演练 DDoS 场景,请带好各自负责的监控和后台账号」。
  • 现场只允许一个主持人推进时间轴,其他人不许跳步。谁想说「这个我们以后会优化」,记进问题清单,别打断节奏。

Q:演练剧本怎么写?给个能直接用的模板

场景:晚高峰 20:30 官网与下单接口同时变慢
参演:运维 2 人 / 开发 1 人 / 业务 1 人 / 对外沟通 1 人

T+0    注入:监控告警,首页 P95 从 300ms 升到 4s
T+5    追问:现在能判断是带宽型还是 CC 型吗?依据是什么?
T+10   注入:入向带宽 8Gbps,pps 120 万,源 IP 高度分散
T+15   追问:切高防的决策点是什么?谁有权拍板,额度多少?
T+20   注入:切换后业务恢复 60%,但登录接口仍然超时
T+30   注入:客服反馈 30 个客户投诉无法下单
T+40   追问:对外通告谁发、发什么内容、多久更新一次?
T+50   注入:入向降到 1Gbps,是否立即撤防?
T+60   讲评:逐条记录卡住的环节
  • 剧本的核心是注入事件,不是问题清单。每一步都要有新事实扔进来,逼参演人在信息不全的情况下做决定。
  • 时间轴按分钟走,主持人卡表。没有时间压力的推演,一定会退化成技术讨论会。
  • 每个注入后面配一句追问,这是后面评分的主要依据。

Q:参演角色怎么分?必须有人专门记录吗?

  • 四到五个角色够用:指挥(拍板切不切、要不要公告)、技术处置(看监控、改配置、验证)、业务对接(判断哪些功能优先保)、对外沟通(客户、渠道、监管口径)、记录员。
  • 记录员最容易被省掉,也最不该省。没有记录,讲评只能靠回忆,整改项一条都落不了地。
  • 小团队一人多角可以,但指挥和记录不能是同一人,一边拍板一边写字,两头都做不好。

Q:DDoS 演练应该设哪些场景?

  • 至少五种:带宽型洪泛(入向打满)、CC 型(带宽正常但动态接口超时)、解析或 IP 被封(能解析但连不上)、高防切换失败(切了反而全站 502)、攻击伴随入侵(打完发现后门)。
  • 第五种最容易被漏,也最危险。应急期为了排查方便放开的端口、放宽的登录频率,攻击结束后往往没人回收。
  • 每次都练「切换失败」这一种。防护设备不出问题的时候,所有预案看起来都很完整。

Q:怎么判断推演有没有效?常见失分点在哪?

  • 看三件事:决策耗时(从告警到拍板切高防用了几分钟)、信息缺口(有多少问题答不上来,比如「回源白名单在哪台机器上配」)、动作错位(有人做的事重复,或者关键动作没人认领)。
  • 评分表就按这几项打分,别搞几十条,评完没人看。
评分表(每项 1-5 分)
决策速度:从告警到第一个有效动作的分钟数
信息可得:被问到的事实在 3 分钟内能否查到
职责清晰:每个动作是否有人明确认领
对外口径:客户通告是否在承诺时效内发出
撤防判断:攻击缓解后是否核对指标再撤

失分点清单

  • 不知道源站 IP 有没有暴露。演练时问一句「直连源站能不能打开」,一半团队答不上来。
  • 只看带宽,不看 pps 和新建连接数。小包攻击带宽只有几百 Mbps,pps 已经百万级,只盯带宽会低估一个数量级。
  • 没有备用访问通道。高防控制台本身被打或者登不上,就彻底瞎了。
  • 公告模板是现编的。第一次对外发声花 40 分钟拟稿,客户早走完了。
  • 撤防靠感觉。「流量降下来了」不等于攻击结束,常见的是分三轮打,第二轮撤防后又被打穿。

Q:演练时该准备哪些能直接执行的检查动作?

  • 把判断动作写成可以复制粘贴的命令,演练时照着跑,比凭记忆可靠。
# 1. 入向带宽与 pps(小包攻击要看 pps 才看得出来)
sar -n DEV 1 5 | grep -E "IFACE|eth0"

# 2. 新建连接与半开连接
ss -s
ss -ant state syn-recv | wc -l

# 3. 源 IP 分散度:前 10 个 IP 占比越低越像 DDoS
awk '{print $1}' /var/log/nginx/access.log | sort | uniq -c | sort -rn | head -10

# 4. 切换后验证:解析与回源是否都指向高防
dig +short www.example.com @223.5.5.5
curl -sI https://www.example.com/ -o /dev/null -w "%{http_code} %{time_total}\n"

# 5. 确认没有绕过防护的直连入口
curl -sI --resolve www.example.com:443:203.0.113.10 https://www.example.com/ -o /dev/null -w "%{http_code}\n"
  • 第 5 条最该常练:直连源站还能返回 200,所有防护都只是建议。源站只放行高防回源段这一条,演练时验一次就知道有没有漏。

Q:演练结束之后怎么闭环?

  • 讲评当天出问题清单,每条带责任人、完成时间、验收方式三列。没有验收方式的整改项,等于没提。
  • 整改分两类:配置类当天改(源站白名单、超时参数、告警阈值),流程类一周内出文档(公告模板、决策授权、联系人矩阵)。
  • 下一轮推演必须先复盘上轮的整改项,没改完的当场说明原因。否则第三轮之后,所有人都会知道演练没有后果。
  • 节奏建议:季度一次桌面推演,半年一次关键链路实战验证,大促或重大活动前加一次专项。

Q:还有什么补充建议?

  • 把联系人矩阵做成一张能离线打开的表格:防护厂商、机房、DNS 服务商、备案接入商、内部三级决策人,每行带电话和工单入口,别只存在 IM 的收藏里。
  • 决策授权写到动作层面:切高防、加钱扩带宽、发公告,各由谁拍板、额度多少。攻击高峰期最怕的就是等审批。
  • 演练结论别写成一页表扬稿。留三条以内真正要改的事,比二十条「进一步加强」有用得多。
  • 最后一句话:演练的目的不是证明防护够用,而是提前发现到时候会卡在哪。找出卡点的那次演练,才算成功。