DDoS防护复测怎么做?上线后衰减怎么查

DDoS防护复测不是上线时做一次就完事。本文讲清防护为什么会随时间衰减、多久复测一次、没攻击时怎么体检,以及查出问题先改哪一步。

Q:上线时明明验过,为什么半年后就防不住了?

防护不是一次性配置,它是一个会随时间失效的系统。常见五类衰减,几乎每个站都会中一两条:

  • 源站 IP 泄露:新加的子域没接防护、第三方回调把源站写进了配置、历史 DNS 记录和证书透明度日志仍可公开查询。攻击者绕过 CDN 直连源站,前面所有防护等于装饰。
  • 规则漂移:应急放行的临时白名单没删、某条规则被手动关掉没记录、值班同事改完没留痕。三个月后没人说得清现在到底开了哪些规则。
  • 业务变化:新增接口、小程序后端、开放平台、活动页一个都没接入防护;页面从静态改成动态,回源量翻几倍,缓存兜不住。
  • 阈值过时:阈值是按去年峰值定的。业务涨上来之后正常流量自己就顶到了线,要么常态误杀,要么攻击来了根本不触发。
  • 人员更替:当初配置的人走了,配置文件在哪、账号谁能登、怎么回滚,全部失传。

这五条的共同点是:它们不会报错,只会在下一次攻击时集中暴露。所以只能靠定期复测主动发现。

Q:复测多久做一次,什么情况要临时加做?

  • 常规节奏:每季度一次。电商、游戏这类高频被攻击的业务可以压到每月一次。
  • 变更即触发:换服务器或换 IP、换高防或 CDN 服务商、大版本改版、新业务上线、新增子域、证书更换,任一件事做完都要补一次。
  • 攻击后必做:哪怕这次防住了也要复测。攻击往往正好暴露了阈值和规则的真实边界,趁记忆还热的时候修掉。
  • 复测要有固定负责人和固定清单,否则一定退化成「想起来才做」。

Q:平时没有攻击,怎么证明防护还生效?

没有攻击才是复测的最佳时机,下面五项体检不需要压测、不影响线上:

# 1) 直连源站并伪造 Host,正常应被拒绝或超时
curl -sS -m 5 -o /dev/null -w '%{http_code}\n' -H 'Host: www.example.com' http://203.0.113.10/

# 2) 源站日志里是否出现非回源段 IP(出现即说明有人在直连)
awk '{print $1}' /var/log/nginx/access.log | sort -u > /tmp/seen.txt
comm -23 /tmp/seen.txt /etc/nginx/origin_cidr.txt | head

# 3) 当前所有解析记录逐条核对,找出裸奔的子域
for h in www api m old test; do echo -n "$h: "; dig +short $h.example.com A | tr '\n' ' '; echo; done
  • 回源段校验:源站只放行回源网段,set_real_ip_from 必须写具体网段,不能写 0.0.0.0/0。
  • 白名单审计:临时放行的 IP、UA、路径是否还有必要,过期的当场清掉。
  • 多点拨测:从三地以上探点访问首页和核心接口,看状态码与延迟是否一致。

Q:怀疑源站 IP 已经泄露,从哪几个地方查?

  • 证书透明度日志:所有签发过的证书都在里面,顺着子域能摸出一堆没人管的旧域名。
  • 历史 DNS 与被动 DNS:改过解析不代表记录消失,第三方历史库照样查得到。
  • 邮件头与第三方回调:营销邮件、webhook、短信服务商的配置里经常直接写着源站 IP。
  • 同 IP 的其他域名:反查一下就能把与源站同机的域名全列出来,找到没接防护的那个即可。
# 从证书透明度日志捞子域
curl -s "https://crt.sh/?q=%25.example.com&output=json" \
  | python3 -c "import sys,json;print('\n'.join({i['name_value'] for i in json.load(sys.stdin)}))" | sort -u

查到泄露不算完,必须做三件事:换源站 IP、清理所有硬编码旧 IP 的配置、把未防护的子域全部接入或下线。只改一边,过两周又会从另一个入口漏出去。

Q:复测到底看哪些指标?

四项就够,全部能从现有日志和监控里算出来,不需要新买工具:

  • 非回源段请求占比:源站日志里非回源网段的请求应接近零,持续大于 1% 就要查。
  • 阈值余量:日常峰值除以清洗阈值,落在 50%~70% 比较健康。太低会误杀,太高等于没防护。
  • 误杀率:403 与 429 占全部请求的比例控制在 0.5% 以下,支付回调、登录、搜索引擎蜘蛛三类必须零误拦。
  • 缓存命中率与回源量:命中率掉下去,回源成本翻倍,等于给攻击者补了一条更便宜的路。
# 误杀率与限流分布
total=$(wc -l < /var/log/nginx/access.log)
blocked=$(grep -cE ' (403|429) ' /var/log/nginx/access.log)
awk -v b=$blocked -v t=$total 'BEGIN{printf "blocked=%.3f%%\n", b*100/t}'
grep -E ' (403|429) ' /var/log/nginx/access.log | awk '{print $7}' | sort | uniq -c | sort -rn | head

Q:复测一定要做压测吗?怎么打才不出事?

  • 不一定要。能用真实攻击样本或扫描流量回放验证的,优先用样本,风险最低。
  • 必须压测时守三条:只打自己的站、提前向机房与服务商报备、随时能停。
  • 压力阶梯加:从日常峰值 20% 起,每 5 分钟加一档,每档记录源站 CPU、连接数、5xx。
  • 时间选业务低峰,回滚方案提前写在一张纸上,别在压测时临时想。
# 七层阶梯压测:并发逐级上调,每档 30 秒
for c in 50 100 200 400; do
  echo "=== concurrency $c ==="
  wrk -t4 -c$c -d30s --latency https://www.example.com/ | tail -5
  sleep 5
done

Q:查出问题,按什么顺序改?

  • 第一步补暴露面:源站收口、换 IP、子域接入。这一步没做完,调阈值和加规则都是白费。
  • 第二步调阈值:按近三个月业务峰值重算,日常峰值的 1.5~2 倍起步,先观察模式跑一周。
  • 第三步补规则:按这次发现的绕过手法逐条加,别一次上十条,出错无法归因。
  • 第四步才谈钱:确认现有能力真的不够再升配。多数「防不住」是配置问题,不是容量问题。

所有变更走灰度,保留一键回滚。没写回滚方案的变更不要上生产。

Q:复测结果怎么留档,才不是走形式?

  • 一页纸就够:五项体检结论、四个指标的差值、阈值余量、待办清单、责任人、下次复测日期。
  • 结论写数值不写形容词。「误杀率 0.12%,源站无非回源段请求」比「防护正常」有用一百倍。
  • 把上次的待办翻出来逐条销项,否则每次复测都在重复发现同一个问题。
  • 存档放在团队能查到的位置,别只留在某个人的电脑里。

Q:还有什么补充建议?

  • 把复测写进日历和值班表,到点自动提醒,比靠自觉可靠。
  • 把「变更即复测」写进上线流程,任何涉及网络与域名的改动都必须触发一次。
  • 告警用双条件:流量异常 且 源站 5xx 上升。单指标一定会误报。
  • 唯一硬标准始终是攻击时段源站日志干净、业务指标不退化。报表再漂亮,这两条不成立就是没防住。
  • 最后一句:防护的价值不在买的时候,在半年后还能不能挡住。