本文档适用人员：技术人员
- 所谓异常流量
- 如何识别异常流量
- Apriori如何工作
- 如何让 Nginx 拦截可疑 IP
- 僵尸网络中的节点对主站发起无目的的密集访问；
- 黑客、白帽子或某些安全公司为了做漏洞扫描，对主站各个 Web 工程发起字典式攻击；
- 实例：大家经常会在自己工程的 Access Log 里看到大量乱七八糟的 URL；
- 某些专门针对电商的犯罪团伙利用主站一些防御性不强的表单，或 Ajax 接口，做注册机或扫描机等；
- 实例：2013年上半年，由于某些互联网公司用户信息泄漏，所以很多团伙开发了自动化脚本，利用几千万用户名密码，对各类电商网站，模拟登录、进入个人中心、查看账户余额、查看有无未消费的券码，如果找到了有价值的目标账户，并不动手只是记录下来，回头在淘宝上批量售卖信息给第四方，第四方再实施盗用余额或盗用未消费券；
- 某些不明来历的爬虫会对商品列表页做无限翻页，或对主站做深度广度遍历，严重消耗系统资源，造成系统严重抖动；
- 第一时间发现高频请求的 IP；
- 第一时间发现低频且“有规律”请求的 IP，如翻页，如慢速扫描，如慢速注册；
- 及时发现 IP 的行为相似性，识别出可疑 IP 段；
- 区分正常搜索引擎爬虫、正常用户访问；
|
关联式规则(Association Rules, AR)，又称关联规则，是数据挖掘的一个重要课题，用于从大量数据中挖掘出有价值的数据项之间的相关关系。
关联规则解决的常见问题如：“如果一个消费者购买了产品A，那么他有多大机会购买产品B?”以及“如果他购买了产品C和D，那么他还将购买什么产品？”正如大多数数据挖掘技术一样，关联规则的任务在于减少潜在的大量杂乱无章的数据，使之成为少量的易于观察理解的静态资料。关联式规则多不考虑项目的次序，而仅考虑其组合。
|
| 先验算法（英语：Apriori algorithm）是关联式规则中的经典算法之一。 在关联式规则中，一般对于给定的项目集合（例如，零售交易集合，每个集合都列出的单个商品的购买信息），算法通常尝试在项目集合中找出至少有 C 个相同的子集。先验算法采用自底向上的处理方法，即频繁子集每次只扩展一个对象（该步骤被称为候选集产生），并且候选集由数据进行检验。当不再产生符合条件的扩展对象时，算法终止。 |
1）配置 URI 转换规则：
观察主站 URI 设计规则，用户请求的 URI 虽然具备一定的规律性，其实往往多个 URI 对应后端同一个入口。
如 /cate/canyinmeishi/all， /cate/canyinmeishi/chaoyang，/cate/canyinmeishi/sandadonglilu/page6 等 URI 都是跳转到某前台工程的 index.do 服务，只是所携带的参数不同。
除此之外，用户还能手动在地址栏 URI 手动输入参数，如 /cate/all/all?pageNo=24，如果直接按照用户请求的 URI 进行 Apriori 频繁集运算，将很难发现用户的请求的相似性，从而不容易发现异常流量。
因此，需要对用户请求的 URI 进行降噪处理，以便发现请求的相似性。
如下图1所示，URI 转换规则包含四个属性：
- 正则表达式：URI转换规则的正则规则，用户请求URI匹配该正则才能进行转换；
- 转换后URI：降噪后的地址，目前设计为用户请求URI对应的后端服务，必须以 “/ ”开头；
- 页码值索引：列表页的页码值在正则表达式中的位置，页码值越大，异常请求的可能性越大，首页值为0，非列表页值为-1；
- 可点击到达：正常鼠标点击能否跳转到此 URI，请求不可点击到达的URI，异常请求的可能性大
图1 URL转换规则
2）配置 URI 的权值：
转换后的 URI 对应的权值，权值越大，异常请求的可能性越大。
3）设置 IP 白名单：
白名单支持 IP 和 IP 段，白名单中的 IP 参与频繁集计算，但不会出现在拦截规则中。
第二步，生成拦截规则：
1）从 ELK 中获取 N 分钟内 Nginx access log 关键信息：remote_ip, guid, referer, uri, agent 等字段；
2）降噪请求 URI，计算每个请求的非法系数：
非法系数和URI权值，页码值成正比。如果请求 URI 不可直接点击到达，非法系数也会增加。
3）利用 Apriori 算法，生成请求的频繁项集。
3.1）对用户请求进行 IP、URI、IP_URI、IP_UUID、IP_REFERER 等分类，类似 Map-Reduce。生成 Map<String, List<RequestRecord>> 结构数据；
3.2）计算出每个分类的频繁项集。生成的 Map<String, List<RequestRecord>> 结果集中，频率大于 N% 且请求次数大于 M 次的，则满足频繁项条件。
3.3）依据历史频繁项集数据和衰减规则生成拦截规则。衰减规则分成不衰减，缓慢衰减（sin函数），匀速衰减，快速衰减（二次函数）。
如下图2所示，拦截规则分为 IP、URI、UUID、Referer 等列，其中 IP 为必选项，URI、UUID、Referer 等列为可选项，即 IP and (URI or Referer or Uuid or other)。
图2 拦截规则
点击上图2中的 IP 或者 URI 进入历史请求记录页，历史记录页有图表和列表两种展示方式，如下图3所示：
图3 某IP历史请求列表页的趋势图展示方式
第三步，提交拦截规则：
拦截规则可以手动拦截和自动拦截。目前默认手动拦截，可以通过接口提交请求来设置自动拦截还是手动拦截。