DDoS云防护的源站流量监控告警,本质上解决的是“清洗之后还剩多少真实业务流量打到源站”以及“源站是否正在被绕过云防护直接攻击”这两个问题。很多团队把云防护接入后只看清洗报表,却忽略了源站侧的流量基线,一旦出现回源链路拥塞、源站带宽跑满或者云防护节点异常切换,业务已经受到影响。设置源站流量监控告警,核心不是看总带宽,而是看回源带宽、连接数、新建连接速率和异常流量占比这四个维度的变化趋势。
先明确一个前提:云防护正常工作时,公网请求先到达防护节点,经过检测和清洗后,再把正常流量回源到你的服务器。因此源站看到的入站流量,理论上应该远小于公网侧的攻击流量。如果源站监控显示入站带宽突然接近或超过服务器网卡上限,而云防护控制台显示攻击流量已被清洗,大概率是回源IP暴露、攻击者直接绕过云防护打源站,或者云防护的回源调度策略出现了问题。
回源带宽阈值的设定方法不要用固定数值拍脑袋,要基于业务正常时段的回源带宽峰值来设定。建议取最近7天同一时段回源带宽峰值的1.5倍到2倍作为告警阈值。例如你的源站业务高峰期正常回源带宽是80Mbps,那么告警阈值可以设在120Mbps到160Mbps之间。阈值设得太低会频繁误报,设得太高又失去了预警意义。同时要区分“突增型告警”和“持续型告警”。突增型告警用于捕捉瞬时攻击或异常回源,比如10秒内回源带宽增长超过基线3倍;持续型告警用于发现源站带宽被长时间占满,比如连续5分钟回源带宽超过阈值的90%。
连接数与新建连接速率监控DDoS攻击中,SYN Flood、ACK Flood和CC攻击都会在源站侧表现为连接数异常。云防护节点通常会代答SYN报文,正常回源到源站的连接应该是已经完成三次握手并且通过安全策略过滤的。源站上如果出现大量半开连接、TIME_WAIT连接堆积或者单个IP建立大量并发连接,说明回源链路上可能存在漏清洗或者源站自身被直接攻击。建议监控源站的全连接数、半开连接数和每秒新建连接速率。全连接数阈值可以设为业务正常峰值的1.5倍,新建连接速率阈值设为正常峰值的2倍。对于提供API服务的源站,还要单独监控每个源IP到源站的连接分布,如果某个非业务来源IP的连接数突然占到总连接数的30%以上,需要立即触发告警。
异常流量占比与回源状态码监控源站流量监控不能只看量,还要看质。云防护清洗后的回源流量中,如果出现大量404、502、504等异常状态码,说明源站可能正在遭受低速慢速攻击,或者源站后端应用已经被打挂。建议对源站Nginx或Apache的访问日志进行实时分析,统计非200/301/302状态码的占比。正常业务中异常状态码占比通常低于5%,如果这个比例在短时间内上升到15%以上,就要触发告警。同时监控源站响应时间,如果平均响应时间从正常的200ms上升到2秒以上,且回源带宽没有明显增长,很可能是CC攻击消耗了源站的CPU或数据库连接资源。
源站流量监控的数据采集方式最直接的方式是在源站服务器上部署轻量级监控Agent,采集网卡流量、TCP连接状态、应用层请求日志。对于使用云服务器的场景,可以直接调用云厂商的监控API获取实例级别的网络流入流出带宽、连接数和包速率。但要注意,云厂商的实例监控数据通常有1分钟到5分钟的延迟,对于秒级攻击的捕捉不够及时。建议在源站上同时运行一个自定义脚本,每10秒采集一次/proc/net/dev和ss -s的输出,计算出入站流量速率和连接数变化。如果源站前面还有一层负载均衡或者NAT网关,还需要在负载均衡层设置独立的流量告警,因为负载均衡的带宽和连接数上限往往低于源站实例本身。
告警通知与自动化响应策略告警触发后的通知渠道要分级。回源带宽超过阈值但未影响业务时,发邮件或企业微信通知即可;连接数异常或响应时间恶化时,需要电话或短信告警。更重要的是配置自动化响应动作。当源站入站流量超过预设阈值且持续超过2分钟时,可以自动调用云防护的API,将源站IP加入更严格的访问控制策略,或者临时提升云防护的清洗阈值。如果检测到源站被绕过直接攻击,应立即触发源站IP的更换流程,并同步更新云防护的回源配置。对于自建源站且有多个机房的场景,可以在检测到单机房源站流量异常时,自动将DNS解析切换到其他机房,同时通知运维人员排查被攻击机房的回源IP泄露情况。
告警阈值动态调整与基线学习业务流量不是一成不变的,大促、活动、版本发布都会导致源站流量基线变化。固定的告警阈值在业务增长后会产生大量误报,在业务低谷期又可能漏报。建议采用动态基线机制,以过去7天同一时刻的流量数据为基准,计算平均值和标准差,告警阈值设为平均值加上3倍标准差。对于周期性明显的业务,可以按工作日和周末分别建立基线。对于突发型业务,比如秒杀活动,需要提前手动调高告警阈值,并在活动结束后恢复。动态基线的实现可以通过监控系统的异常检测功能,也可以在源站脚本中存储历史数据并计算滑动窗口的均值和方差。
源站流量监控与云防护控制台的联动验证设置完源站告警后,必须做一次联动验证。可以手动构造一次小规模的测试攻击,比如从测试服务器向源站发起一定速率的SYN Flood,观察云防护是否触发清洗、源站流量告警是否准确触发、告警通知是否及时送达。验证过程中要记录从攻击开始到告警触发的延迟时间,这个时间越短越好,理想情况应该在30秒以内。如果延迟超过2分钟,说明数据采集频率不够或者告警规则有滞后,需要调整采集间隔和告警判断逻辑。同时要验证告警恢复机制,当攻击停止后,告警状态能否自动恢复,避免告警风暴和告警疲劳。
源站流量监控告警的最终目标,是让运维团队在云防护出现清洗盲区、回源链路异常或者源站被绕过时,能够第一时间收到准确信号并采取行动。不要依赖单一的带宽指标,要把回源带宽、连接数、新建速率、异常状态码比例和响应时间结合起来,形成多维度的源站健康度判断。阈值设定要基于真实业务基线动态调整,告警触发后要有明确的响应预案和自动化动作。这样云防护才能真正成为业务安全的第一道防线,而不是一个只显示攻击数字的看板。
本文由人工智能生成,已经人工复核后发布。
