雷池社区版 3.0 - 为 API 防护而生

雷驰社区版自4月14日开放以来，共发布28个版本，Github Star 2900+，累计安装量：14000+次，每天处理HTTP请求超过100亿次，获得了社区的广泛认可。

有需要（感兴趣）WAF的兄弟可以访问以下链接自行获取（有GitHub账号的同学希望伸手点击star）

首页：https://waf-ce.chaitin.cn/

Github：https://github.com/chaitin/safeline

**雷驰社区版1.0**

基于**智能语义分析算法**的集成Web攻击检测能力。

**雷驰社区版2.0**

集成基于人机验证、IP智能、动态限频的**智能反Bot**能力。

**雷驰社区版3.0**

**今日正式发布，集成基于流量的API自动识别能力**。未来一段时间，3.X系列将继续围绕API识别和保护进行深度优化。

###关于雷驰的API保护能力

雷驰利用动态基线和预测分析技术分析异常访问行为，**构建流量画像，准确识别运行正常但请求异常的攻击行为**，即从正常行为中检测出异常流量。

此外，用户还可以根据需要选择集群或单个网关节点的流量控制，并配置API流量阈值，例如：每秒、每分钟、每小时的请求数限制。当流量超过阈值时，新的请求将被网关拦截，以保证业务正常运行。

随着频次访问控制、报警策略等功能的逐步迭代，雷驰业务场景的解决方案日趋成熟，很快将满足更具体的业务需求，例如更细粒度的流量控制策略、更丰富的报表统计维度、更精准的API调用明细等。

#### 动态基线技术

雷驰采用周期性基线分析的方法。周期性基线，通常是单周期数据库轮廓，是根据历史数据计算的。该曲线由若干个数据轮廓点组成，每个轮廓点代表一个采样时间点。如果新的实测值没有超出基线范围，则通过加权平均算法更新旧的轮廓值。如果新的实测值超出基线范围，则将其丢弃，不参与新轮廓值的计算。在这样的往复循环中，基线总是动态变化的。

#### 预测分析技术

雷驰采用基于时间窗置信区间的检测模型和方法，保证实际运行中不断自我调整和逼近，自动剔除历史时间窗内的异常历史数据，实现历史时间窗数据与网络实际正常流量行为特征的高度一致，从而提高异常行为报警的准确性。

最后，感谢您一直以来的支持，欢迎您尝试。