浅谈WAF市场中常见的检测技术

    随着电子商务、网上银行、电子政务的盛行，Web服务器承载的业务价值越来越高，Web服务器所面临的安全威胁也随之增大，因此，针对Web应用层的防御成为必然趋势，WAF（WebApplicationFirewall，Web应用防火墙）产品开始流行起来。WAF是指针对各网站Web服务器的应用级入侵的防御系统，它弥补了防火墙、IPS这类安全设备对Web应用攻击的防护能力不足的问题。

    根据国际权威机构WASC（WebApplicationSecurityConsortium?）和OWASP（Open Web Application Security Project）的分析，国内外的信息安全厂商当前能防范的针对Web服务器的攻击类型主要有SQL注入攻击、XSS攻击、HTTP Flood攻击、爬虫、CGI扫描、漏洞扫描、盗链防护、CSRF（Cross-Site Request Forgery）攻击防护等。但事实上，能防范和能准确高效防范是两个完全不同的概念。只有提供准确高效防范，才能保护最终用户的投资，并提升对外交互体验。纵观国内外的WAF产品，针对这些攻击的检测手段也各有特色。

    有的国外厂商会采用建立一个动态建模程序的办法加以解决，可以理解为“自学习模型”的检测手段。这类学习模型可以对真实流量的学习、Web应用的学习(比如URLs、cookies、参数/表元素、sessions等等)、Web服务的学习(包括XMLURLs、SOAP动作、XML元素等)，这类学习模型对Web业务应用的识别能力较强，但由于学习初期需要有大量的经验积累，如果经验缺乏会造成学习准确度不高，譬如在对SQL注入攻击、XSS攻击的变种识别能力上。另外，对经验的置信区间和学习时间也有一定的要求，同时，学习经验过程中对系统的资源耗费较大，因此检测时延较长，降低了用户的Web体验。

    还有的产品会采用双向检测技术，即把WAF产品作为Web客户端和服务器端的中间人，透明部署在Web服务器前，同时监控HTTP/HTTPS双向流量，对网络层、WebServer/Application层双向数据实施检测和保护。其主要特点是建立双向检测安全模型，这类模型会以规则库方式出现，如果攻击在规则库中匹配上，识别和报警的准确度很高，但最大缺点是当攻击特征出现变化的时候漏报较多，对攻击变种识别准确率较低，规则库维护的成本高。

    随着技术创新，目前市场上出现一种基于算法的检测新技术，很好地弥补了基于自学习模型检测手段的资源耗用问题，同时也弥补了基于创新的安全模型的变种检测准确率不高的问题，这类基于算法的技术是根据攻击手法进行分析，而非攻击代码特征分析的方法形成一套计算方法，它会实时分析网络数据，在WAF设备内部构建“轻型虚拟机”，模拟出攻击行为以观察其行为特征。因此，可以准确而全面的检测和防御各类Web攻击行为。这类算法彻底解决攻击行为的变种问题。由这项技术做支撑，WAF产品对Web攻击的检测精度显著提升，由于具有检测准确率高、误报少的特点，对系统资源耗用的减少也是显而易见的。