6 款免费 WAF 的测试报告

ge03137月前 ⋅ 882 阅读

最近赶上国内某重大网安活动,要给几个客户推荐一些免费好用的安全产品,WAF 是其中之一。

攻击防护是 WAF 最核心的能力,本文将介绍如何使用科学的方法测试 WAF 防护能力的有效性。

为了保证测试结果公平公正,本文中提到的所有靶机、测试工具、测试样本均为开源项目。

测试指标

测试结果以 4 个指标为主:

  • 检出率:用来反应 WAF 检测能力的全面性,没有检出即为 ”漏报“。
  • 误报率:用来反应对正常流量的干扰,不靠谱的结果即为 ”误报“。
  • 准确率:准确率是检出率和误报率的综合指标,避免漏报和误报顾此失彼。
  • 检测耗时:用来反应 WAF 性能,耗时越大则性能越差。

检测耗时用工具直接统计即可,其他这几个指标如何计算,可以对应到统计学中的预测分类概念:

  • TP:将攻击样本拦截的数量。
  • TN:将正常样本放行正确的数量。
  • FN:将攻击样本放行的数量,即 ”漏报“ 数量。
  • FP:将正常请求拦截的数量,即 ”误报“ 数量。

这样就可以给出上面 3 个指标的计算公式:

  • 检出率 = TP / (TP + FN)
  • 误报率 = FP / (TP + FP)
  • 准确率 = (TP + TN) / (TP + TN + FP + FN)

为了减小随机性带来的综合影响,以减小误差,对于 ”检测耗时“ 我将会拆为 “90% 的平均耗时” 和 “99% 的平均耗时” 两个指标。

测试样本

数据来源:所有测试数据均来自于我自己的浏览器。

抓包方式:用 Burp 做代理,浏览器全局指向 Burp,导出 XML 文件后使用 Python 脚本处理成单个请求。

根据以往的经验,在互联网上暴露的服务,通常正常流量和攻击流量的比例是 100:1 左右,我们按这个方式对样本进行配比。

白样本:刷微博、刷知乎、刷B站、刷各种论坛,一共攒了 60707 个 HTTP 请求,总大小 2.7 GB(该过程浪费了我 5 个小时)。

黑样本:为了让测试效果更充分,我使用四个不同的方法采集了黑样本,一共 600 个 HTTP 请求(该过程浪费了我 5 个小时)。

  • 简单的通用攻击流量:部署 DVWA 靶机,所有通用漏洞样例挨个攻击一遍。
  • 常见的攻击流量:把 portswigger 官网提供的所有攻击 Payload 都打一遍。
  • 针对性漏洞流量:部署 VulHub 靶机,所有的经典漏洞使用默认 poc 挨个攻击一遍。
  • 攻击对抗流量:调高 DVWA 的对抗级别,在中级和高级防护的情况下把 DVWA 再攻击一遍。

测试方法

测试指标和测试样本明确之后,现在需要三个东西:WAF、接收流量的靶机,还有测试工具。

所有 WAF 均使用初始配置,不做任何调整。

靶机用 Nginx,无论收到什么请求,均直接返回 200,配置如下:

location / { 
    return 200 'hello WAF!'; 
    default_type text/plain; 
}

测试工具的需求如下:

  • 解析 Burp 的导出结果
  • 按 HTTP 协议重新组包
  • 考虑到后续数据要开源,要删除 Cookie Header
  • 修改 Host Header 字段,让靶机能够正常接收流量
  • 根据请求是不是返回 200 判断是否被 WAF 拦截
  • 对黑白样本混合后均匀发包
  • 自动计算上述 ”测试指标“

找了两款开源 WAF 测试工具,看起来质量都不错,基本符合要求,把两款工具综合一下,再略加其他细节就能用,地址如下:

  • gotestwaf:来自泰国的开源 WAF 测试工具
  • blazehttp:来自长亭的开源 WAF 测试工具

开始测试

雷池社区版

TP: 426    TN: 33056    FP: 38    FN: 149
总样本数量: 33669    成功: 33669    错误: 0
检出率: 74.09%
误报率: 8.19%
准确率: 99.44%

90% 平均耗时: 0.73毫秒
99% 平均耗时: 0.89毫秒

Coraza

TP: 404 TN: 27912 FP: 5182 FN: 171
总样本数量: 33669 成功: 33669 错误: 0 
检出率: 70.26% 
误报率: 92.77% 
准确率: 84.10% 

90% 平均耗时: 3.09毫秒 
99% 平均耗时: 5.10毫秒

ModSecurity

TP: 400 TN: 25713 FP: 7381 FN: 175 
总样本数量: 33669 成功: 33669 错误: 0 
检出率: 69.57% 
误报率: 94.86% 
准确率: 77.56% 

90% 平均耗时: 1.36毫秒 
99% 平均耗时: 1.71毫秒

宝塔WAF

TP: 224 TN: 32998 FP: 96 FN: 351 
总样本数量: 33669 成功: 33669 错误: 0 
检出率: 38.96% 
误报率: 30.00% 
准确率: 98.67% 

90% 平均耗时: 0.53毫秒 
99% 平均耗时: 0.66毫秒

nginx-lua-waf

TP: 213 TN: 32619 FP: 475 FN: 362 
总样本数量: 33669 成功: 33669 错误: 0 
检出率: 37.04% 
误报率: 69.04% 
准确率: 97.51% 

90% 平均耗时: 0.41毫秒 
99% 平均耗时: 0.49毫秒

SuperWAF

TP: 138 TN: 33048 FP: 46 FN: 437 
总样本数量: 33669 成功: 33669 错误: 0 
检出率: 24.00% 
误报率: 25.00% 
准确率: 98.57% 

90% 平均耗时: 0.34毫秒 
99% 平均耗时: 0.41毫秒

对比表格

image.png

雷池社区版的综合表现最好,误报和漏报都是最少的。

Coraza 和 ModSecurity 作为国外的优秀 WAF 引擎项目,检出率很高,但对于国内的场景适配并不会,误报太高。

最后

为了保证公平公正,本文中所用到的测试工具和测试数据均已开源,可访问以下地址获取:

https://gitee.com/kxlxbb/testwaf

另外,不同的测试样本和测试方法可能会导致测试结果有比较大的差异,需要根据实际情况选择合适的测试样本和测试方法来进行测试。

本次测试的结果仅供参考,不作为评价产品、工具、算法、模型的唯一标准。

全部评论: 0

    相关推荐