通过日志区分流量型攻击与连接型攻击,核心看两条线:网络层日志里的带宽与包速率是否异常飙升,应用层日志里的请求与连接状态是否同步异常;两条线能对上,流量型概率大,对不上但连接状态明显堆积,则更偏向连接型。
先搭一个日志分层框架,别把应用日志当全部
你拿到一台被攻击的服务器,第一反应往往是翻Nginx访问日志,这个动作没错,但只看应用日志容易误判,攻击可能根本还没走到应用层,带宽就被打满了。
三类日志各管一段
- 网络层日志:边界防火墙、WAF、交换机NetFlow、云厂商抗D日志,重点看pps、bps、新建连接速率、源IP分布、协议类型。
- 系统层日志:
ss、netstat、conntrack、dmesg、sar,重点看SYN_RECV、TIME_WAIT、ESTABLISHED数量,以及网卡丢包、内核丢包。 - 应用层日志:Nginx/Apache访问日志、业务网关日志、WAF应用层日志,重点看请求量、慢请求、重复URL、异常User-Agent、499/502状态码。
判断顺序:先看管道,再看连接,最后看请求
- 先确认带宽和包速率是否异常,带宽打满但应用日志安静,优先怀疑流量型。
- 再看连接状态是否堆积,连接数、半连接数、新建连接速率异常,优先怀疑连接型。
- 最后用应用日志交叉验证,请求日志和连接状态能对上,说明攻击打到了应用层;对不上,说明问题更可能在网络层。
业内专家指出,边界流量日志和主机连接日志要放在同一时间轴看,单看任何一层都容易把攻击类型判反。
流量型攻击与连接型攻击日志特征对比
这个对比不是背概念,而是帮你在一堆日志里快速找“指纹”,流量型攻击消耗的是带宽和网络设备资源,连接型攻击消耗的是连接表、半连接队列、文件描述符和应用并发能力。
一张表看懂主要差异
| 观察点 | 流量型攻击 | 连接型攻击 |
|---|---|---|
| 网络层日志 | pps和bps同时升高,包长较单一,源IP分散 | 新建连接速率高,SYN_RECV偏多,包长偏小 |
| 应用层日志 | 请求量不一定增加,链路拥塞时反而下降 | 请求日志密集,慢请求、重复URL、异常UA增多 |
| 系统指标 | 网卡丢包、带宽打满、内核丢包计数上升 | 半连接队列满、文件描述符耗尽、TIME_WAIT堆积 |
| 典型攻击 | UDP Flood、ICMP Flood、DNS/NTP放大 | SYN Flood、CC、Slowloris、连接耗尽 |
| 判断线索 | 流量日志有峰值,应用日志对不上 | 应用日志和连接状态能互相印证 |
典型攻击在日志里的“指纹”
- UDP Flood:防火墙日志里UDP包速率明显上升,目的端口集中,源IP分散;Nginx日志可能几乎没有新增请求。
- DNS/NTP放大:网络层日志出现异常大的响应包,源端口与目的端口特征明显;应用日志安静。
- SYN Flood:
ss -s里SYN_RECV数量异常,conntrack -S新建连接压力大;Nginx日志请求量未必同步增长。 - CC攻击:Nginx日志中同一URL或同一参数被高频请求,状态码可能以200、499、502混合出现;连接状态和请求日志能对上。
- Slowloris:连接建立后请求头极慢,应用日志里请求完成数少,但ESTABLISHED连接数偏高。
如何通过日志判断流量型攻击还是连接型攻击
先别急着上复杂平台,用服务器自带命令做一轮初筛,通常十分钟内就能看出方向。
实操:从带宽到连接状态的命令路径
- 看实时带宽和包速率:
sar -n DEV 1 5,或iftop -i eth0、nload eth0,重点看rxkB/s和txkB/s是否突然冲高。 - 看连接状态汇总:
ss -s,关注SYN_RECV、TIME_WAIT、ESTABLISHED是否明显高于日常基线。 - 看半连接明细:
ss -ant state syn-recv | wc -l,再按源IP排序:ss -ant state syn-recv | awk '{print $5}' | cut -d: -f1 | sort | uniq -c | sort -nr | head。 - 看内核丢包:
dmesg | grep -i drop,以及cat /proc/net/dev里的drop计数。 - 看防火墙或NetFlow日志:确认pps和bps是否同时抬升,若pps很高但bps不高,包小且连接状态堆积,更像连接型;若bps和pps一起冲高,流量型概率更大。
用应用日志做交叉验证
- 统计访问日志请求量:
awk '{print $1}' /var/log/nginx/access.log | sort | uniq -c | sort -nr | head。 - 统计URL热度:
awk '{print $7}' /var/log/nginx/access.log | sort | uniq -c | sort -nr | head。 - 看慢请求和状态码:
awk '$9==499 || $9==502 {print}' /var/log/nginx/access.log | wc -l。 - 如果Nginx日志请求量没明显增加,但带宽和pps已经爆表,基本可以先把流量型放在前面排查。
- 如果Nginx日志请求量、慢请求、连接状态同步上升,连接型或应用层攻击的可能性更高。
误判排除清单
- 业务促销、定时任务、爬虫集中抓取,也会让请求量上升,但通常源IP和URL分布有规律。
- 端口扫描会造成连接数上升,但持续时间短,目的端口分散。
- NAT出口 IP 集中访问,可能让单个IP请求量看起来异常,要结合UA和URL判断。
- 云厂商安全组、负载均衡日志时间戳要和服务器时间对齐,否则时间线会错位。
网站被攻击怎么看日志区分攻击类型:三个典型场景
场景化判断比背特征更实用,下面三种情况,日志表现很不一样。
带宽跑满但Nginx日志很安静
你发现服务器外网访问变慢,sar显示带宽接近上限,防火墙日志里pps和bps同时升高,但Nginx访问日志新增请求不多,此时优先按流量型攻击处理,先看云厂商抗D清洗日志和边界防火墙日志,确认攻击协议和目的IP,应用日志安静不代表没问题,而是流量在到达Nginx前已经把链路占满。
Nginx日志爆量且慢请求多
访问日志里同一URL高频出现,499和502增多,ss -s显示ESTABLISHED和TIME_WAIT偏高,这种更像连接型或应用层CC,先按源IP、URL、User-Agent做聚合,再看WAF应用层日志是否命中规则,带宽可能没到上限,但连接资源和后端处理能力已经被拖住。
连接状态堆积但请求量不大
ss -s里SYN_RECV很高,conntrack表接近上限,但Nginx日志请求数没有同步上涨,优先怀疑SYN Flood或连接耗尽型攻击,此时看防火墙新建连接速率和源IP分布,再结合dmesg丢包记录确认,应用日志少,是因为大量连接没完成握手,根本没走到HTTP请求阶段。
日志分析工具选型与价格参考:中小团队怎么选
工具不是越贵越好,关键看你能不能把网络层、系统层、应用层日志放到同一个时间窗口里关联。
自建与云服务怎么权衡
- 自建ELK、ClickHouse、Loki适合日志量大、有运维人力的团队,成本主要是服务器和人力,日志留存周期越长,存储成本越高。
- 云WAF、云抗D自带的日志分析适合中小团队,开通快,但高级检索和长周期留存通常要加钱。
- 商业流量分析设备适合有等保和本地审计要求的场景,价格受带宽规格、探针数量和日志留存周期影响。
价格受哪些因素影响
- 日志接入量:每天GB级和TB级完全不是一个价位。
- 留存周期:留存30天和留存180天,存储成本差距明显。
- 清洗能力:抗D清洗带宽越大,服务价格越高。
- 响应服务:是否含7×24小时人工分析和应急响应,也会影响报价,近年来,不少中小团队更倾向“云WAF日志+自建轻量检索”的组合,价格可控,排查也够用。
北京地区DDoS攻击日志分析服务怎么选
地域不是决定因素,但本地服务商的响应时效、合规沟通和日志接入方式确实会影响体验。
看日志接入能力和响应时效
- 确认是否支持防火墙、NetFlow、Nginx、系统日志多源接入。
- 问清楚攻击发生时能否给出pps/bps时间线和连接状态时间线的关联视图。
- 看响应时效是分钟级还是小时级,是否提供攻击类型初判结论。
合规与留存周期
- 有等保要求的单位,要确认日志留存周期和本地化存储能力。
- 北京地区不少服务商会把清洗节点和日志分析平台分开报价,选型时要问清楚日志留存是否额外收费。
- 行业共识认为,日志关联分析能力比单纯看清洗带宽更能减少误判。
通过日志区分流量型攻击与连接型攻击类型常见问答
只有Nginx日志能区分流量型和连接型攻击吗?
不能完全区分,Nginx日志只能反映应用层请求,流量型攻击可能在到达Nginx前就占满带宽,日志里几乎没有新增请求,需要结合防火墙、NetFlow、ss、conntrack和内核日志一起看。
日志里大量SYN_RECV一定是连接型攻击吗?
不一定,业务突增、端口扫描、负载均衡健康检查异常也可能造成SYN_RECV升高,判断时要看新建连接速率、源IP分布、持续时间,以及是否伴随带宽异常,若SYN_RECV高而应用日志请求少,连接型攻击概率更大。
流量型攻击和连接型攻击的日志哪个更容易误判?
连接型攻击更容易被业务高峰掩盖,流量型攻击通常有带宽峰值这个明显信号,连接型攻击则要看连接状态、慢请求和资源耗尽情况,把网络层日志和系统层日志放在同一时间轴比对,误判会明显减少;据工信部公开的网络安全威胁态势信息,混合型攻击并不少见,单一日志源很难给出完整结论。
首发原创文章,作者:王坚,如若转载,请注明出处:https://idctop.com/article/803951.html


