黑名单已知恶意 IP
命中即拒,1.0 置信不进管线,后续层不再消耗算力。
箭头自上而下。每层都写清楚拦什么、拿什么证据说话。
命中即拒,1.0 置信不进管线,后续层不再消耗算力。
关键词级高危特征,进程内微秒级拦截。
正则 / 关键词 / AND 组合,扫解码归一后的 URL、参数、请求体与请求头。
SQL 语法树解析 + libinjection,专抓「语法正确、语义恶意」的变形。
字符 n-gram 朴素贝叶斯认长相 · 高斯离群 / 孤立森林抓异常 · 端点参数基线四信号。
Block 直拦 · Challenge 人机验证 · Monitor 记录 · Allow 放行。
高置信拦截学攻击、全干净放行学正常;人工反馈回灌;漂移监控。
L3 是这套栈的差异化部分——前两层管「见过的」,这一层管「没见过的」。
按「长相」分类:把请求切成字符 n-gram,学正常与攻击的分布差异,认出换编码、拼接、变形后的样本。
按「异常」分类:不学攻击长什么样,只学「正常应该长什么样」,偏离即告警。
四信号:参数名集合 · 路径追加 · 值级结构字符 · 目录当文件。为每个端点建独立基线。
在线学习自动积累 + 人工反馈回灌 + 模型分钟级落盘跨重启 + 漂移告警;
漂移阈值经真实流量校准:良性波动上界 0.22 < 默认阈值 0.5。
来源 reports/drift_calibration.md
一个引擎,八条通路,覆盖五类产品。
| 接入手段 | 端口 / 方式 | 适配产品 | 关键配置 | 执法 |
|---|---|---|---|---|
| HTTP 反代 | :8080 |
WAF API 安全网关 CDN 源站 | routes: host+path → backend_group |
inline / mixed 按模式拦 |
| 正向代理 CONNECT | :8081 |
上网审计 / 终端代理 WAF | 客户端代理指向网关 | 目标行快筛可拦(TLS 内容不可见) |
| TCP 转发 | 自定义 | 数据库防火墙(MySQL/PG) / SSH 审计 | tcp_forwards, protocol: mysql |
快筛断连 + L2 语义旁路 |
| UDP 转发 | 自定义 | DNS 审计 | protocol: dns |
旁路记录 |
| gRPC API | :50051 |
自研深度集成 | Detect / DetectBatch |
引擎建议,产品处置 |
| HTTP 智能体 API | :9070 |
旁路 WAF / SIEM / 自动化 | analyze · feedback · metrics |
调用方处置 |
| 进程内嵌入 | 库调用 | DAM / DB-FW / SDK | 十几行接线样板 | 同引擎全栈 |
| Mail 源 | API | 邮件网关 SEG | source_type=mail |
恶意附件 critical 直拦 |
产品只做采集 → 映射 → 调用 → 解读四步,判定逻辑全部沉在引擎里,五类产品共用一套。
引擎输出的是判定与建议,处置权永远在接入产品手里——inline 还是旁路、拦还是记,你说了算。
拓扑:LB → 网关 × N → 业务 × N。
/agent/metricsTLS 终止在前,网关看明文检测;指标为标准文本格式直采,无需 exporter。
串路反代、正向代理、API / 嵌入——按接入方式选一种即可。
# 网关串在 nginx 与业务之间,按 host+path 路由并送检 routes: - { host: "*", path_prefix: "/", backend_group: myapp, inspect: true } backend_groups: myapp: { targets: [{ addr: "业务:8080" }] }
:8080 · 执法:inline / mixed 按模式拦 · 适配 WAF、API 安全网关、CDN 源站# 把浏览器或系统代理指到网关 HTTP/HTTPS 代理 → 网关:8081 # CONNECT 隧道,https 也能过 # 执法:目标行快筛可拦(TLS 内容不可见)
:8081 · 适配上网审计、终端代理 WAF# 旁路 / 自动化:HTTP 智能体 API curl -X POST 网关:9070/agent/analyze \ -H "X-API-Key: dps_xxx" \ -d '{"payload":"GET /?q=... HTTP/1.1","source_type":"http"}' # 进程内:RuleStore + Pipeline::detect 十几行 # 见 examples/embedded_detect.rs
:9070 / :50051(gRPC) · 旁路 WAF、SIEM、DAM、SDK每个数字都来自仓库内的评估报告,可自行复核。
9,244 条正常样本触发规则仅 33 条;治理前为 5.70%,收紧 8 条规则后降 94%。
来源reports/rule_coverage_fuzzdb.md · docs/交接文档.md
参数基线在生产漏检集合上抓回 40.8%,阈值 0.05/0.10 下新增误报均为 0。
来源reports/baseline_eval.md
x86_64 全栈 n=5000,p95 5.2ms,吞吐 452 req/s;手机 aarch64 p50 8.7ms。
来源reports/bench_latency.md
良性流量翻转的 z-shift 上界约 0.22,默认告警阈值 0.5 保有 2.3× 余量。
来源reports/drift_calibration.md
另有真机实弹验证:11 种攻击弹(SQLi / XSS / 穿越 / Log4Shell / UNION / 恒真式 / 双形态恶意邮件附件等) 11/11 正确判定。
无需任何环境变量即可启动;模型与参数基线自动从 ../data/ 探测加载,缺失时安全降级。
在仓库根目录执行:
cargo build --release
终端 1:
target/release/dps-engine.exe
终端 2 —— 每次启动会打印新的 API Key。
target/release/dps-gateway.exe
统计报表、防护栈介绍、模型健康与漂移卡片都在这里。
http://127.0.0.1:9080
面板地址可用 DPS_WEB_ADDR 覆盖(默认 127.0.0.1:9080)。
建议先以 bypass 观察 模式磨合,再考虑切 inline。
面向 AI 执行者 的操作手册——照着它,一个 AI 就能独立跑完 「构建 → 部署 → 验证 → 日常运维」,不必先读一遍源码。
二进制、端口、API Key 提取、规则热加载口径、三种执法模式——开篇就给全,先背下来再动手。
本机 x86_64 与 ARM 交叉编译;标准 Linux 与 手机 proot / 远程 aarch64 各一套可直接抄的命令。
健康检查、面板字节数、规则数、指标、攻击弹 / 干净弹、模式执法——部署完逐条跑。
换 Key、切模式、加临时规则、误漏报回灌、看指标、封 IP,一张表查完。
十余条全是真实踩过的坑:os error 5、plink 卡死、规则改名不生效、息屏断网……
不在设备上编译、不把数据集放进 git、改检测语义必须过闸门、API Key 不当常量。
本副本与 DPS/docs/AI部署操作技能.md 内容一致(MD5 校验通过)。
文档约定:改动代码后先跑 CI 再部署。
布局可参考其交互,但獬豸是独立开源实现,核心在「引擎只判不拦 + 三层判定 + 在线学习」的架构。
条数不是度量——122 条是治理后的精兵(每条都过 FP 闸门),配合语义层与 ML 层, 真机实弹 11/11、误报 0.36%;且支持热加载持续运营。
三层保险:AND 组合规则、离线 FP 闸门(≤1pp 才准合入)、一键反馈回灌在线学习。
公开数据集(GPL 合并集与 CC-BY),数据不随仓库分发;权重许可立场与商用尽调见
docs/许可合规备忘.md。
具备生产要件(模式可切、审计、指标、热加载、低误报),但建议先 bypass 观察磨合,再转 inline。