MongoDB慢查询日志是识别恶意查询请求的第一现场,通过分析system.profile集合中超过阈值(通常100ms)的操作记录,可以快速定位全表扫描、缺失索引、异常高频访问及未授权数据拖取行为,并结合$lookup滥用、无限制skip/limit及正则拒绝服务等特征实施精准拦截与加固。

一、为什么慢查询日志是排查恶意请求的核心入口

MongoDB默认将执行时间超过100毫秒的操作写入system.profile集合,该集合是一个有上限的capped collection,记录每个慢操作的命令类型、查询条件、执行计划、扫描文档数(docsExamined)、返回文档数(nreturned)、锁等待时间及客户端来源IP。正常业务查询通常表现为docsExamined与nreturned比值较小、索引命中率高、执行频率稳定;而恶意查询请求往往具备全表扫描、超大偏移量、无差别数据导出、高频撞库或正则表达式灾难性回溯等特征。

排查时建议先开启数据库级性能分析:db.setProfilingLevel(1, { slowms: 100 }),并确认system.profile集合容量充足。对于生产环境,可设置更严格的slowms为50毫秒以捕获更细粒度的异常操作。同时结合currentOp命令查看正在运行的长时间操作,避免慢日志延迟写入导致漏报。

二、识别恶意查询的五个典型特征与日志字段对照

第一个特征是全表扫描型拖库。慢日志中planSummary显示为COLLSCAN,docsExamined极大而nreturned接近全表行数,query条件常为{}或{“$where”: “1==1”},且执行频率在非业务高峰期异常升高。例如某电商系统曾在凌晨2点出现连续37次对users集合的COLLSCAN查询,每次返回约86万条记录,经溯源为攻击者利用未授权API接口批量导出用户手机号和邮箱。

第二个特征是正则表达式拒绝服务。查询条件中包含类似{“username”: {“$regex”: “^(a+)+$”}}的嵌套量词正则,MongoDB无法利用索引且引擎回溯次数呈指数增长,单次查询耗时可达数十秒。第三个特征是超大skip与limit组合,例如db.orders.find().skip(5000000).limit(100000),用于翻页拖取历史数据。第四个特征是$lookup跨集合无索引关联,在聚合管道中对大集合执行笛卡尔积式连接。第五个特征是异常高频的count或distinct操作,攻击者常借此探测数据规模。

三、基于慢日志的恶意请求溯源与取证步骤

第一步,从system.profile中按执行时间倒序提取Top 50慢操作,重点关注op为query或command、millis超过1000ms的记录。示例查询:db.system.profile.find({“millis”: {“$gt”: 1000}}).sort({“ts”: -1}).limit(50)。同时输出client字段(客户端IP)、user字段(认证用户)、ns字段(命名空间)、appName字段(应用标识)以确定请求来源。

第二步,对可疑操作提取query条件与planSummary,判断是否存在COLLSCAN、未使用索引或索引选择性差的情况。使用db.collection.explain(“executionStats”).find(可疑条件)复现执行计划,对比docsExamined与nreturned的比值,若比值超过100:1且业务上不合理,则高度疑似恶意扫描。

第三步,关联应用日志与网络访问日志,定位发起请求的具体接口、用户会话及IP归属。若client字段显示为内网代理或负载均衡地址,需进一步查看X-Forwarded-For或应用层记录的原始IP。第四步,对确认的恶意IP在数据库层通过防火墙或mongod配置进行封禁,同时检查该用户角色权限是否越权,必要时回收readAnyDatabase等高风险内置角色。

四、利用慢查询日志特征构建自动化告警与拦截策略

建议将慢日志采集接入集中式日志平台(如ELK、Splunk或自研监控系统),设置以下告警规则:单集合COLLSCAN次数在5分钟内超过20次、单操作docsExamined超过100万且nreturned超过10万、正则查询耗时超过2秒、同一IP在1分钟内触发慢查询超过10次。告警触发后自动调用管理员接口或脚本,对来源IP执行临时封禁并通知安全值班人员。

在数据库层可启用查询限制参数:maxTimeMS用于限制单次操作最大执行时间,超过后自动终止;setParameter设置internalQueryExecMaxBlockingSortBytes限制排序内存;对正则查询使用$options的“i”时强制要求前缀锚定以避免全表扫描。同时建议在应用层实现查询白名单机制,仅允许经过审核的查询模板访问MongoDB,从源头阻断恶意请求。

五、案例复盘:一次基于慢日志的撞库攻击排查全过程

某社交平台在2024年11月监控到MongoDB主库CPU持续超过85%,慢查询数量从日均200条激增至每小时1500条。运维人员查询system.profile发现大量针对user集合的查询,query条件为{“phone”: “1380001”, “password”: {“$ne”: null}},planSummary显示IXSCAN使用了phone_1索引,但millis普遍在800-1500ms之间。进一步分析发现攻击者利用索引前缀扫描结合密码字段非空判断,每次请求仅返回1条记录但扫描了约12万条索引条目。

通过client字段定位到3个境外IP,结合应用日志确认这些IP在10分钟内尝试了超过4万个不同手机号,属于典型的撞库攻击。处置措施包括:在MongoDB端对user集合的password字段建立稀疏索引以加速非空判断;在应用层增加图形验证码和单IP频率限制;在数据库防火墙中封禁3个攻击IP;将password字段从查询返回中默认剔除。处置后慢查询数量回落至日均180条,CPU使用率降至35%。

六、慢查询日志分析的常见误区与优化建议

误区一:仅关注millis最大的操作而忽略高频短慢查询。某些恶意请求单次耗时仅200ms,但每秒发起数百次,累计资源消耗远超单次长查询。应结合操作频率与总耗时进行排序分析。误区二:将system.profile集合的写入本身视为性能负担而关闭profiling,导致攻击发生时无日志可查。建议保留至少7天的慢日志数据,并定期归档到外部存储。

误区三:忽略getMore操作。对于批量拖取场景,攻击者常使用find配合batchSize分批获取,慢日志中初始find可能不慢,但后续getMore操作因游标维护和网络传输产生显著延迟。分析时需同时关注op为getmore的记录。优化建议方面,定期使用db.collection.getIndexes()审查索引冗余与缺失,对高频查询字段建立复合索引;对包含数组字段的查询避免使用$elemMatch与$size组合;对大偏移量分页改用基于索引字段的范围查询替代skip。

常见问题

MongoDB慢查询日志默认记录哪些操作?

默认记录执行时间超过100毫秒的所有操作,包括find、aggregate、update、remove、count、distinct及命令类操作,写入system.profile集合,该集合为capped类型,容量满后自动覆盖最旧记录。

如何判断慢查询是恶意请求还是业务自身性能问题?

关键看查询模式是否偏离正常业务:恶意请求通常表现为非业务时段高频、扫描行数与返回行数比值异常大、查询条件无业务语义(如空条件或全量正则)、来源IP集中且无正常用户行为轨迹。

MongoDB慢查询日志中docsExamined和nreturned分别代表什么?

docsExamined表示执行查询过程中扫描的文档总数,nreturned表示实际返回给客户端的文档数量。两者比值越大说明索引选择性越差或存在全表扫描,是识别拖库行为的重要指标。

如何防止攻击者利用正则表达式造成MongoDB拒绝服务?

在应用层禁止用户直接提交正则表达式,对必须使用正则的场景强制添加前缀锚定(如^字符)以利用索引;在MongoDB端设置maxTimeMS限制单次查询时长;使用$options时避免同时使用“i”与复杂嵌套量词。

system.profile集合可以删除或重建吗?

可以。执行db.setProfilingLevel(0)关闭性能分析后,可删除system.profile集合并重新创建为capped collection,建议设置合理容量(如1GB)以保留足够历史数据用于安全审计。

本文由人工智能生成,已经人工复核后发布。