DDoS халдлага гэхээр ихэнхдээ асар их хэмжээний траффикаар сервер, сүлжээний нөөцийг дүүргэж үйл ажиллагааг доголдуулах халдлага гэж ойлгодог. Гэвч орчин үеийн DDoS халдлагын арга барил өөрчлөгдөж, зөвхөн траффикийн хэмжээг нэмэгдүүлэх бус хууль ёсны хэрэглэгчийн хүсэлттэй төстэй траффик үүсгэн application болон API-ийн нөөцийг зориудаар ачааллуулах хэлбэр түгээмэл болж байна.

Radware-ийн мэдээлснээр Python зэрэг өргөн хэрэглэгддэг програмчлалын хэл нь ийм төрлийн автоматжуулалтыг хийх босгыг улам бууруулж байна. Python script ашиглан халдагчид бодит API дуудах, session хадгалах, HTTP header-ийг өөрчлөх, IP болон дэд бүтцээ тогтмол солих, хүсэлтийн давтамжийг тохируулах зэрэг үйлдлийг автоматжуулах боломжтой. Ингэснээр халдлагын траффик нь энгийн хэрэглэгчийн үйлдлээс ялгахад улам хүндрэлтэй болж байна.

Гол эрсдэл нь траффикийн хэмжээ биш, системд учруулж буй ачаалал

Уламжлалт volumetric DDoS халдлагын үед байгууллагууд траффикийн хэмжээ, секундэд ирж буй хүсэлтийн тоо болон сүлжээний bandwidth-д голлон анхаардаг.

Харин Python ашигласан автоматжуулсан халдлага заавал асар их траффик үүсгэх шаардлагагүй.

Халдагчид байгууллагын хамгийн их тооцоолол шаарддаг үйлдлүүдийг онилж болно. Тухайлбал:

• нэвтрэх буюу login хэсэг;
• хайлтын систем;
• бүтээгдэхүүн болон нөөц шалгах API;
• сагс, төлбөрийн процесс;
• тайлан үүсгэх хэсэг;
• файл export хийх үйлдэл;
• олон нийтэд нээлттэй API endpoint.

Хүсэлт бүр тусдаа харахад хэвийн мэт боловч олон эх үүсвэрээс давтан ирснээр application, database болон backend системд өндөр ачаалал үүсгэдэг. Үүний улмаас хэрэглэгчдэд үйлчилгээ удаашрах, API response time нэмэгдэх, queue хуримтлагдах, цаашлаад үйлчилгээ тасалдах эрсдэлтэй.

Яагаад уламжлалт хамгаалалт хангалтгүй байж болох вэ?

Эдгээр халдлага нь нэг IP хаягаас хэт олон хүсэлт илгээхээс илүүтэй cloud instance, proxy болон бусад тархсан эх үүсвэр ашиглах боломжтой.

Тиймээс зөвхөн IP reputation эсвэл тогтсон rate limit дээр суурилсан хамгаалалт зарим тохиолдолд хангалтгүй болдог. Мөн хүсэлтүүд техникийн хувьд зөв бүтэцтэй учраас signature-based хамгаалалт тэдгээрийг шууд хортой траффик гэж тодорхойлохгүй байх боломжтой.

Ийм нөхцөлд байгууллага “Хэдэн хүсэлт ирж байна вэ?” гэдгээс гадна “Эдгээр хүсэлт ямар зан төлөвтэй байна, ямар үйлдлийг давтан гүйцэтгэж, аль системийн нөөцийг хамгийн их ашиглаж байна вэ?” гэдгийг шинжлэх шаардлагатай болж байна.

Python-д суурилсан DDoS халдлагаас хамгаалах 5 чухал арга

1. Бүх үйлчилгээг бус, халдлагад өртөж буй үйлдлийг хязгаарлах

Application бүхэлд нь rate limit хийх нь бодит хэрэглэгчдэд сөргөөр нөлөөлөх эрсдэлтэй. Харин search API, login эсвэл payment verification зэрэг тодорхой нэг үйлдэл халдлагын бай болж байгаа бол тухайн workflow дээр илүү нарийн бодлого хэрэгжүүлэх нь үр дүнтэй. Өөрөөр хэлбэл хамгаалалт нь халдлага хаана нөөц хамгийн их зарцуулж байгааг тодорхойлж, яг тэр хэсэгт чиглэх шаардлагатай.

2. Хэвийн харагдаж байгаа траффикийн зан төлөвийг шинжлэх

Хүсэлт зөв бүтэцтэй, бодит browser-ийн header ашиглаж, session үүсгэсэн байсан ч халдлагын нэг хэсэг байх боломжтой. Жинхэнэ хэрэглэгч хайлт хийх, мэдээлэл харах, хэсэг хугацаанд завсарлах, дараагийн үйлдэл рүү шилжих зэрэг тодорхой зан төлөвтэй байдаг.

Харин автомат script ижил үйлдлийг өндөр давтамжтайгаар давтах, тодорхой endpoint-ийг байнга шалгах зэрэг хэвийн бус pattern үүсгэдэг. Иймээс traffic volume-оос гадна behavior-based detection чухал болж байна.

3. Нарийн чиглэсэн халдлага уу, өндөр хэмжээний халдлага уу гэдгийг хурдан тодорхойлох

Зарим халдлага application-ийн зөвхөн нэг хэсэгт төвлөрдөг бол зарим нь үүнийг өндөр хэмжээний volumetric traffic-тай хослуулж болно. Тиймээс байгууллага халдлага үүссэний дараа шийдэх бус, ямар нөхцөлд хамгаалалтыг дотоод орчинд хэрэгжүүлэх, ямар үед cloud scrubbing ашиглах зэргийг урьдчилан төлөвлөсөн байх шаардлагатай.

4. Зөвхөн network traffic бус бизнесийн үзүүлэлтүүдийг хянах

DDoS халдлагын эхний шинж тэмдэг заавал bandwidth өссөнөөр илрэхгүй.

Жишээлбэл:

• checkout failure нэмэгдэх;
• API response удаашрах;
• database connection pool дүүрэх;
• queue хэвийн хугацаанд буурахгүй байх;
• тодорхой endpoint системийн нөөцийн хэт их хувийг ашиглах

зэрэг үзүүлэлтүүд халдлагыг илрүүлэх чухал дохио болж болно. Иймээс сүлжээний үзүүлэлтийг application болон бизнесийн performance metric-тэй хамтатган хянах шаардлагатай.

5. Давтагддаг хамгаалалтын ажиллагааг автоматжуулах

Халдагч автомат script ашиглаж секунд, минутын дотор тактикаа өөрчилж байхад хамгаалалтын баг бүх өөрчлөлтийг гараар хийх нь хангалтгүй. Сэжигтэй session-д challenge өгөх, халдлагад өртсөн workflow-ийн бодлогыг чангатгах, шаардлагатай үед traffic-ийг cloud хамгаалалт руу шилжүүлэх зэрэг давтагдах ажиллагааг автоматжуулах нь response time-ийг багасгана.

Гэхдээ автоматжуулалтын зорилго нь бүх traffic-ийг автоматаар блоклох бус, хүний гар ажиллагаагаар давтан хийх шаардлагатай үйлдлүүдийг системд даатгаж, мэргэжилтнүүдийг стратегийн шийдвэрт төвлөрүүлэх явдал юм.

Орчин үеийн DDoS хамгаалалт behavior-ийг ойлгох шаардлагатай болж байна.

Python болон бусад автоматжуулалтын хэрэгслүүд хөгжихийн хэрээр DDoS хамгаалалтыг зөвхөн “их хэмжээний траффикийг хаах” түвшинд авч үзэх нь хангалтгүй болж байна.

Radware-ийн DefensePro нь хэвийн траффикийн зан төлөвийг суралцаж, хэвийн бус өөрчлөлтийг илрүүлэн, тухайн халдлагын онцлогт тохирсон real-time signature үүсгэх behavioral-based хамгаалалтын аргачлалыг ашигладаг. Мөн Radware-ийн hybrid DDoS архитектур нь нарийн чиглэсэн халдлагыг application-д ойр түвшинд хязгаарлахын зэрэгцээ шаардлагатай үед өндөр хэмжээний traffic-ийг cloud scrubbing орчинд шингээх боломжтой.

Мэдээллийн аюулгүй байдлын шийдлийг нэвтрүүлэгч Вертексмон компани.