下一代WAF应该往更智能化方向演进。。。。

毫无疑问，，，在应对复杂多变的应用层攻击时，，WAF产品作为抵御应用层攻击强有力的工具，，，依旧是众多企业用户的首选。。然而
，，一方面攻击手段不断增加
，
，另一方面，，，，企业应用正变得越来越复杂，
，，传统WAF要为企业应用提供防护也变得越来越力不从心
。。不少企业开始对WAF威胁识别的准确性
、、、、抵御攻击的能力感到失望。。。

从现有WAF产品的工作原理分析
，，，
，不难发现，，，导致这一结果的根本原因
，，，
，是当前传统WAF产品所采用的规则检测引擎和正则表达式匹配方式，，面对现在复杂多变的Web应用攻击时，，，处理性能及攻击检测和拦截的方法上，，存在明显的不足。。

传统WAF防御引擎弊端突显

传统的WAF防御体系存在性能差、
、、漏判
、、误判率高等特征。。

传统规则引擎的弊端

全流量处理，，，设备存在极大的性能瓶颈

随着应用的不断丰富，，
，网络中的应用层流量越来越多，，
，
，而传统WAF设备在进行安全防御时，，，，需要对全部流量进行安全检测
，，
，，这种全流量检测模式就造成了WAF设备处理性能存在瓶颈问题的根本原因。
。。全流量检测就是不管流量是好是坏，，
，都需要设备对其进行拆包、、还原、
、特征比对等，，，，极大的消耗了设备性能。。

业务内容无法有效解析、、、、难以深入分析

黑客在发起应用层攻击时，，
，，传统WAF设备首先会对应用流量进行内容解析并还原，，，比如黑客攻击的是IIS、
、、、Apache、、、
、Weblogic等组件
，，，，WAF设备会依托于内容还原引擎去解析所有的组件的内容，
，，，识别攻击流量是否是针对该组件，，，，业务内容解析及还原能力是否够强，，直接影响应用层威胁的检测结果。。。。在业务内容解析环境，，WAF面临的最大的难度就是如何全面覆盖客户环境中异构的、、不同版本的各种组件。。。。

一般来说，，
，，用户环境中存在异构的
、、不同版本的各种组件。。需要安全厂商进行持续的攻防研究与攻防演练，，，并持续更新迭代。。。然而不同厂商在业务内容还原的能力上参差不齐
，
，这就导致了传统WAF设备无法有效保障服务器的组件能够被全部识别并被有效还原。。。。当黑客针对性发起攻击时，，就会存在被绕过的风险。。。
。

Web威胁无法精准识别
、、、无法保证误报率和漏报率

WAF产品的误判和漏判情况
，，也是使用者普遍关注的问题之一，，，，误判产生的本质原因在于攻击流量和业务流量的相似性，，，
，而漏判则是在于攻击数据的伪装，
，，使得WAF无法精准识别。。

当前的WAF设备在技术手段上所采用的正则匹配方式相对单一，，依靠静态固化的规则无法有效应对各种变种的应用层威胁。。。特征检测机制会从零散分布在正常业务语句中的特征进行判断
，，，如业务中的一些业务语句、、、、句子甚至文章往往被认为是攻击特征，，，从而导致误判；而利用各种编码及攻击混淆手段进行的攻击语句
，，，，往往能够伪装成正常流量，，
，，绕过WAF的规则判断。。

下一代WAF防御引擎

为了弥补传统WAF防御架构的不足，，
，更好的应对日益复杂的Web应用攻击，，，，传统WAF的防御架构必须进行更新换代
。。基于单一的正则匹配安全检测技术基础，，，，引入语法、、
、词法分析算法，，，并全面结合机器学习、、人工智能技术，，利用AI技术为传统的WAF进行深度的安全赋能，，以此构建更加智能化的下一代WAF防御引擎。
。
。

以流量深度学习能力，，，，全面提升设备处理效能

通过引入机器学习，，，
，在流量层采集白流量的特征
，，，使合法流量可以快速通行，，，实现设备性能的翻倍提升。。

芯启时光下一代防火墙在WAF引擎上采用白流量过滤，，，基于应用层交互内容进行深度学习，，
，，在这个层次上建立深入的流量学习模型
，，对各种网页元素、、参数进行监测、、、、学习、、、对比，，整个过程由设备的自学习功能完成，，，
，无需人工干预，，
，，同时可以根据Web流量的变化进行自适应调整
，
，，建立白流量过滤能力，，，
，如果流量中有明显偏离正常流量模式，，则将其导入到后续的安全检测流程进行处理，，，保证合法流量可以快速通行。。。这就好比机场的安检机，，，识别到包含违禁物品的包裹后，，进行开箱查看
，，正常包裹直接通过，
，，
，相比传统WAF架构的逐一开箱检查，，，，极大的提高处理效率。。。 

以业务智能融合引擎
，
，融合业务解析及还原能力

芯启时光AF通过业务智能融合引擎，，智能匹配业务环境，
，，，根据业务特征动态匹配解析及还原能力，，，具备适应各种后端业务的能力，，
，能够快速将业务相关内容还原，，再在进行安全检测，，全面应对各种各样的攻击。
。。例如下面这个sql注入攻击语句：

POST

/cms/supesite/personcard.php?uid=49%20%u0061nd%201=2%20un%u0069on%20se%u006c%u0065ct%201,password,3,4,5%20from%20adminHTTP/1.1

因为IIS默认支持对%u编码的解码功能，，
，，所以这一段数据最终被还原成：

POST

/cms/supesite/personcard.php?uid=49 and 1=2 union select 1,password,3,4,5 from adminHTTP/1.1

导致该语句可以成功在IIS服务器上被执行，，，从而对应用服务器造成攻击。
。。而芯启时光AF业务智能融合的解析引擎，
，，可以准确识别攻击使用的混淆方法，，
，从而对其进行解析
，，，检测并进行拦截。。。对比传统WAF的防御方式，，如果WAF不具备这种业务适配能力的话，，无法正确以对应的业务环境对该语句进行解析和还原，，，，将无法有效识别来该攻击，
，黑客就可以绕过WAF，
，，，从而攻击后端的业务服务器。。。

除了业务智能融合引擎之外，
，
，，芯启时光AF也在传统技术上做到极致，
，通过对大量用户业务环境的持续攻防演练，
，，，充分了解用户业务的特点及响应方式，，将该业务解析的能力全面迁移到WAF中
，，
，，实现对业务内容的深度还原。。。。

以威胁深度检测引擎，，，精准识别Web威胁

芯启时光AF的威胁深度检测引擎融合词法
、、、语法算法并全面采用人工智能对威胁进行深度分析，
，，
，可以全面应对传真实环境中复杂的业务环境
、
、、、业务数据
、、、
、开发方法等，，，，第一时间定位并处理掉异常行为
。。。
。

基于AI学习经验数据后，
，
，可以形成基于行为的数据模型
，，，通过这些数据模型对目标事件做出预测，
，使得核心安全能力具备自我学习、、
、、模型的自我演进
、、、、及业务的自适应特点。。。。如下图，，，将SQL相关的攻击，，
，按照词法解析的方式，，形成序列：

 

一方面
，
，，，通过云端的大数据，，
，，生成大量的攻击序列及合法序列，，，，进行有监督学习，，用大量已知的攻击样本生成攻击数据模型，，，，然后通过这些模型来预测其他未知的攻击方式。
。通过这种方式训练出来的AI引擎，，即可以防住变化多端的攻击，，也能够在WAF上线后通过对业务的持续学习
，，，，自动排除误判。。

另一方面，
，基于人工智能技术通过有监督和无监督的结合，，，，无监督掌握业务的正常模式，，有监督可以掌握攻击的特征
，，通过人为的标注，，，进行数据泛化，，，，这样的互补可以更好地精准识别业务流中的攻击。。。。

芯启时光AF基于面向未来，，有效保护的安全理念，，，采用的下一代WAF防御引擎，，，，相比传统WAF防御方式，，能够为用户的业务提供更加高效的防御能力
。。。
。