拒绝服务攻击(DoS攻击)是指蓄意阻止合法用户访问计算服务、网络或其他数字资源,或使这些资源的运行水平降至可接受标准以下的行为。它针对的是信息安全的主要目标之一——可用性,而不一定以窃取信息或篡改数据为目的。分布式拒绝服务攻击(DDoS攻击)利用多个来源实施干扰。分散攻击来源可以增大总流量、增加过滤难度,并降低攻击对任何单台参与计算机的依赖。
拒绝服务可能由多种方式造成,例如使互联网连接不堪重负、占满服务器的连接表、耗尽应用程序资源,或触发软件缺陷,导致程序崩溃或持续故障。有些攻击需要极大的流量;另一些则利用输入与处理成本之间的不对称性,以成本低廉的少量输入,引发成本高得多的处理操作。这类攻击的影响不限于个别网站,因为共享的域名系统、托管平台、通信网络及其他被共同依赖的基础设施,可能将干扰波及许多彼此无关的组织。
因此,这一主题涉及网络协议、软件设计、分布式计算、事件响应,以及共享基础设施的经济学。要理解拒绝服务攻击,就必须区分攻击机制与外在症状、被耗尽的资源与发送流量的计算机,以及报道中的攻击规模与用户实际受到的影响。
可用性、资源耗尽与攻击分类
可用性并不只是指机器是否响应。服务可能仍可访问,却要数分钟才能作答、拒绝大多数事务、返回不完整的结果,或者无法从某些特定网络访问。因此,拒绝服务可能是完全性的、间歇性的、局限于特定地理区域的,也可能只影响账户登录或支付处理等某项功能。其实际严重程度取决于服务的用途,以及受影响的持续时间和分布范围。
拒绝服务攻击的本质特征是蓄意干扰。合法需求的意外激增通常称为“突发访问潮”,它可能造成几乎相同的症状,但并非攻击。意外的软件故障也可能导致服务不可用。反过来,攻击流量也可能完全由语法有效的请求组成。判定恶意拒绝服务行为,并不以高流量或违反协议为必要条件;必须综合考虑意图、背景、流量行为以及对系统的影响。
一种有用的模型是分别考察每一种构成瓶颈的资源。对于资源 ,令 表示到达的工作负载, 表示其可持续的处理能力。在简化的稳态排队模型中,利用率为
当利用率接近 1 时,等待时间可能急剧上升;如果到达的工作负载持续超过处理能力,队列就会不断增长,直到请求被丢弃或触及其他限制。实际系统存在突发负载、多种请求类别、有限的缓冲区和自适应控制,因此,这个模型旨在解释原理,而非提供完整的预测。不过,它仍然说明了为什么服务器可能在所有处理器尚未满负荷运转之前就已无法正常使用。
攻击通常分为流量型攻击、协议型或状态耗尽型攻击,以及应用层攻击。流量型攻击消耗传输容量。状态耗尽型攻击使跟踪连接、会话或协议交互的数据结构不堪重负。应用层攻击针对软件执行的工作,例如搜索数据库、生成报告或验证用户身份。这些类别之间存在重叠:应用层攻击也可能占用大量带宽,而网络洪泛攻击则可能迫使安全设备执行开销高昂的处理。
并非所有拒绝服务攻击都是洪泛攻击。精心构造的输入可能利用缓冲区溢出、未处理的异常或无限循环,以极少的流量使进程终止。本地用户可能耗尽磁盘空间、进程标识符或文件描述符。算法复杂度攻击利用算法在最坏情况下的行为,使输入规模无法有效预测处理开销。广义的拒绝服务涵盖所有这些机制,不过公开报道往往在更狭义的意义上使用“DDoS”,专指协同实施的网络或应用层洪泛攻击。
网络洪泛与协议状态耗尽
网络层拒绝服务攻击利用的是数据包传输和处理能力的限制。链路的比特率有限,转发设备的数据包处理速率也同样有限。大数据包可能耗尽带宽,而小数据包即使未达到同样的比特率,也可能因每个包都需要单独处理而造成沉重负担。因此,路由器、网络接口、防火墙或负载均衡器可能在其所保护的服务器尚未达到极限时,就先行失效。仅以每秒吉比特数衡量容量,并不能反映所有相关限制。
使用用户数据报协议(UDP)的流量洪泛攻击十分常见,因为该协议在发送数据报之前不要求先建立连接。根据攻击目标的不同,传入的数据包可能消耗链路容量、触发应用程序执行任务,或使主机进行查询和错误处理操作。互联网控制消息协议流量同样可以用来消耗带宽或处理资源。攻击效果取决于数据包的处理方式、过滤措施以及瓶颈所在的位置,而不只是所用协议的名称。
经典的 SYN 洪泛攻击针对的是传输控制协议(TCP)的连接建立过程。正常的 TCP 连接以三次握手开始。服务器收到初始同步请求后,可能会保留相关信息,等待握手完成。数量足够多的未完成握手可能耗尽为待建立连接预留的容量,使合法客户端无法建立会话。伪造源地址可以让响应被发送到其他地方,但并非所有 SYN 洪泛攻击变体都必须使用地址伪造。
SYN cookie 通过将待建立连接的相关信息编码到服务器的初始序列号中,减轻这类特定的状态存储负担。这样,服务器就能验证后续响应,而无须在初始交互期间保留通常为每个连接维护的记录。这一机制解决的是特定的资源分配问题;它不会增加上游带宽、消除数据包处理开销,也无法防止连接建立后的资源耗尽。实际实现还需要考虑协议选项和性能方面的问题。
即使目标服务器资源充足,中间设备仍可能发生状态资源耗尽。有状态防火墙和网络地址转换设备需要维护连接跟踪条目。负载均衡器保存流映射,加密服务的前端设备则可能保留握手状态。大量短时或未完成的流可能占满这些数据结构。此时,即便应用层的 CPU 使用率很低,仍可能出现大范围的连接失败。
历史上的畸形数据包攻击体现了另一种网络攻击机制。“死亡之 ping”利用了系统对重组后超大的互联网协议数据包处理不当的问题,而“泪滴”攻击则利用了分片重组过程中的缺陷。其影响取决于具体实现是否存在漏洞,并不意味着所有系统遇到此类流量都必然失效。修补缺陷即可消除这种故障模式;这与流量型洪泛攻击不同,后者只要流量足够大,仍能压垮任何容量有限的链路。
反射、放大与地址伪造
反射攻击向第三方系统发送请求,同时将请求伪装成来自预定受害者。随后,第三方会将响应发送给受害者。反射使响应的表面来源与攻击者自身的基础设施分离,并能汇集来自众多独立运营服务器的流量。反射器不一定已遭入侵:合法服务如果接受了源地址伪造的请求,并向该地址发送响应,就可能在不知情的情况下参与攻击。
当响应比发起请求更大,或以其他方式造成更重负担时,就会产生放大效应。简化的带宽放大系数为
其中,两个量必须采用一致的统计口径。仅统计应用层载荷的测量结果,不能与包含传输层、网络层和链路层开销的测量结果直接比较。有些机制会针对每个请求生成多个响应数据包,因此按包速率计算的放大倍数可能不同于按字节速率计算的放大倍数。理论放大系数高,也不意味着攻击规模一定大:可利用的反射器容量、速率限制、路由和拥塞都会制约实际结果。
域名系统(DNS)曾被用于反射攻击,因为某些查询可以触发远大于查询本身的响应。对外开放的递归解析器尤其令人担忧,不过权威 DNS 基础设施也可能被卷入。历史上遭到滥用的其他服务包括网络时间协议和无连接发现协议。2018 年,可从公网访问的 memcached 服务被用于发动放大倍数异常高的 UDP 放大攻击。这些服务的共同特点是:无需先核实请求者是否确实能通过其声称的源地址接收流量,就能触发请求—响应行为。
IP 地址伪造是传统 UDP 反射攻击得以实现的首要条件。与完成 TCP 握手不同,单个 UDP 请求本身并不能证明发送方能够在其声称的源地址上接收流量。在网络边界进行源地址验证,可以拒绝那些所声称的来源与其实际进入的网络不符的数据包。互联网工程任务组于 1998 年在 RFC 2267 中记录了入口过滤方法,并于 2000 年发布了其后继文档 RFC 2827;后者对应第 38 号最佳当前实践(BCP 38)。
非对称路由、多宿主网络,以及在不丢弃合法流量的前提下区分有效路径与伪造来源的要求,都使部署变得复杂。因此,验证机制必须与运营者的路由环境相匹配。限制服务的对外开放范围、限制响应速率,以及避免发送不必要的大体量未经身份验证的响应,则可针对反射链条的其他环节发挥作用。
反射与放大相互关联,但并不相同。攻击可以反射流量,而不显著放大流量;攻击者控制的应用程序也可以在没有第三方反射的情况下产生放大效应。这一区别对于确定责任归属和选择防御措施很重要:缩小响应大小并不能阻止源地址伪造,而保护好某一类反射器,也不能消除其他可用于反射的服务。
应用层攻击与非对称计算
应用层拒绝服务攻击针对的是服务为客户端执行的操作。在网络设备看来,这些请求可能并无异常,因为它们使用有效的超文本传输协议消息,完成传输层握手,并与公开功能交互。相关瓶颈可能是数据库连接、工作线程、内存、存储输入/输出,或对下游服务的访问。因此,应用层攻击即使流量速率远低于网络连接容量,也可能奏效。
核心问题往往在于成本不对等。一个简短的请求就可能触发复杂搜索、大型文档转换、开销高昂的密码验证操作,或对未缓存数据的反复访问。如果攻击者能够选择让服务器工作量最大、客户端成本最小的请求,那么增加网络带宽对消除瓶颈也无济于事。当某些特定输入导致解析、模式匹配或数据结构操作的开销异常高昂时,计算复杂性就与此直接相关。
低速率攻击利用的是资源被持续占用,而非快速完成大量请求。服务器在等待请求完成时,可能会为其保留连接、缓冲区或执行上下文。通过精心控制流量节奏,攻击者可以让大量此类资源一直处于占用状态。2009 年公开披露的 Slowloris 技术便是一个广为人知的例子,它利用的是不完整的 HTTP 请求头。其效果在很大程度上取决于服务器架构、超时机制以及不完整请求的处理方式;并非所有 HTTP 服务都存在这种问题。
协议多路复用改变了应用层攻击的成本效益关系。HTTP/2 允许在一个连接中使用多个流,提高了正常使用时的效率,但也使流的创建、取消与服务器工作量之间产生了新的相互影响。2023 年 10 月,主要服务提供商披露了与 CVE-2023-44487 相关的“快速重置”(Rapid Reset)攻击。通过反复创建和取消流,攻击者能够给服务器施加大量处理负担。谷歌报告的一次攻击,其峰值约为每秒 3.98 亿次请求。这一事件表明,仅限制并发流的数量,未必足以有效约束流的创建和重置速率。
传输层安全协议能够保护机密性与完整性,却不能让服务免受拒绝服务攻击。密码学握手和连接管理会消耗资源,而加密可能限制上游设备能够检查的内容。反过来,在资源配置充足的前端终止加密连接,可以使源站服务器免于承担部分开销。因此,在何处终止加密连接以及如何分配处理工作,都是重要的架构选择。
应用层防御必须理解请求的语义。登录请求、获取缓存图像的请求与生成报告的请求,不一定应当消耗相同的配额。身份认证可以支持差异化处理,但已通过认证的用户或遭入侵的账户仍然可能产生滥用性工作负载。同样,有效的应用程序编程接口密钥只能证明身份或访问权限,并不意味着每个看似已获授权的请求都是无害的。
僵尸网络、攻击服务与运作组织方式
分布式攻击通常依赖僵尸网络,即通过未经授权的软件或访问手段控制的一组设备。这些单个设备通常称为僵尸主机,会在统一指挥下产生流量或发起应用请求。僵尸网络曾涵盖个人计算机、服务器、路由器、摄像头及其他联网设备。它们的作用不仅来自汇总后的带宽,还来自网络位置和地址的多样性,这使得大范围封禁更加困难。
僵尸网络的控制与攻击流量的发送是两项独立的功能。指令通道可以下发攻击目标和时间安排,而参与攻击的设备则直接发送流量。有些僵尸网络采用集中式控制,另一些则采用点对点网络机制或多个备用通道。移除一个控制端可能会扰乱某个特定网络的组织运作,但不一定能清除受感染设备上的恶意软件。反过来,即使控制端仍在运行,清除设备上的感染并更改已暴露的凭据,也能降低攻击能力。
Mirai 僵尸网络于2016年首次受到广泛关注,它表明,当大量嵌入式设备可通过弱凭据或默认凭据访问时,攻击规模可以达到何种程度。其软件以摄像头、数字录像机等设备为目标。源代码的公开促成了相关变种的出现。Mirai 的重要性并不在于嵌入式设备首次成为分布式攻击源,而在于它展示了安全性不足的消费级设备以及与基础设施相连的设备,如何被聚合成强大的互联网攻击力量。
并非所有分布式攻击源都已遭到入侵。攻击者可以租用计算资源、滥用试用账户、运营专用基础设施,或使用代理网络。历史上也曾出现通过浏览器参与攻击,以及经明确协调、自愿产生流量的情况。因此,仅凭大量源地址,并不足以证明某次事件涉及传统的恶意软件僵尸网络。可能需要结合恶意软件分析、服务提供商记录和网络观测,才能区分不同的协同来源。
商业化攻击服务通常以“booter”或“stresser”为宣传名称,通过出售发动干扰性攻击的能力,降低组织攻击的门槛。如果获得相关基础设施所有者的授权,压力测试可以是合法的;但仅凭服务的名称,并不能证明其已获授权。这些服务可能利用僵尸网络、反射攻击基础设施或租用的服务器,其宣传的攻击能力也未必与独立测得的实际性能相符。
攻击动机包括勒索、干扰竞争对手、骚扰、意识形态抗议,以及干扰网络游戏。即使威胁发出者的能力有限,也可能以发动攻击相威胁,要求对方付款。拒绝服务勒索不同于勒索软件,后者通常涉及对数据或系统的恶意控制,不过两种手段也可能同时使用。认领攻击的声明和政治表态,只能证明声明者说了什么,本身并不能可靠地证明攻击由谁实施。
历史发展与重大事件
拒绝服务问题早于商业化的互联网出现:只要存在共享计算资源被耗尽或受到干扰的可能,就可能产生此类问题。20世纪90年代,随着面向公众的服务不断扩展,协议实现开始遭遇大规模恶意流量,现代网络形式的拒绝服务问题也变得尤为突出。随后,分布式攻击工具的发展使应对此类问题的重点从控制单一来源转向跨多个网络协调响应。
1996年9月,纽约互联网服务提供商 Panix 遭遇了一次有大量文献记录的 SYN 洪泛攻击。这一事件使 TCP 连接状态资源耗尽成为备受关注的运维安全问题。20世纪90年代末,Trinoo 和 Tribe Flood Network 等分布式攻击工具相继出现,将遭到入侵的计算机组织起来,协同产生洪泛流量。这些发展确立了一些至今仍可辨识的模式:控制组件与流量生成组件相互分离、采用多种洪泛方法,以及利用第三方系统。
2000年2月,雅虎、eBay 和亚马逊等大型商业网站遭到攻击,服务受到干扰。这些事件引起广泛关注,因为它们表明,攻击者无须先控制企业的应用数据,就能使知名互联网企业的服务陷入不可用状态。这些事件也推动了服务提供商、事件响应团队和执法机构之间更紧密的协调。其影响并不局限于每次服务中断持续的时间,还改变了在线服务组织将可用性视为安全问题的方式。
2007年,爱沙尼亚的一系列网站和服务受到攻击,涉及政府、媒体和银行系统。这一事件成为讨论国家对数字服务依赖程度的重要案例,也揭示了攻击归因的难度:流量来源、政治背景、公开鼓动和实际操控属于不同类型的证据。发送设备的地理位置并不能证明指挥该设备的人的身份或所在地。
2016年10月21日,针对托管 DNS 服务提供商 Dyn 的攻击干扰了众多知名在线服务的访问,其中涉及与 Mirai 相关的流量。许多受影响的组织本身并不是直接攻击目标;由于域名解析依赖同一家服务提供商,其用户也遭遇了服务中断。这一事件使依赖关系的集中化成为公众讨论 DDoS 风险的核心议题。
2018年2月28日,GitHub 遭遇 memcached 放大攻击,据报道,攻击流量约为每秒1.35太比特。2023年,HTTP/2 Rapid Reset 事件使人们不再仅仅关注带宽,也开始重视应用请求速率。不应将这些标志性事件视为一连串可以直接比较的纪录。报告描述的可能是一次洪泛攻击尝试,也可能是缓解系统边缘观测到的流量,或是实际抵达受害目标的流量;采用的平均值计算时间窗口和汇总方法也可能不同。因此,即使后来的攻击在报道中给出了更大的数字,某次事件的历史意义仍可能在于其采用的新机制,或暴露出的依赖关系。
检测、测量与归因
检测首先要确定服务的哪个环节正在恶化。延迟增加、丢包、连接失败、请求被拒以及资源饱和,分别提供了不同的线索。互联网接入链路满载,与前端空闲却在等待过载的数据库响应,所指向的问题并不相同。仅观察某一层可能产生误导:服务器记录到的请求很少,恰恰可能是因为拥塞使请求无法到达服务器。
常见的证据包括数据包样本、流记录、应用程序日志、各连接状态的数量统计,以及资源测量数据。流记录使用端点、端口、协议、持续时间和字节数等属性来概括通信情况,通常不保留完整载荷。应用程序遥测数据可以揭示哪些功能资源开销较大,以及哪些响应出现失败。外部测量有助于区分本地监控问题与实际的可用性丧失,而来自多个地区的观测则可以揭示局部的服务中断。
衡量攻击速率的三种常见指标是每秒比特数、每秒数据包数和每秒请求数。它们各自描述不同的负担。每秒比特数反映传输数据量;每秒数据包数反映逐包处理的负担;每秒请求数反映应用程序的工作量,但不同请求的处理开销可能相差极大。并发连接数、流创建速率和已完成事务数也可能同样重要。报告应区分峰值与持续值,并区分尝试发送的流量与成功处理的工作量。
区分恶意请求与正常的访问热潮并不容易,因为两者都可能产生来自众多来源的有效请求。判断指标可能包括异常的请求时序、请求集中指向处理开销较大的端点、较高的失败率或取消率、不一致的客户端行为,以及流量构成的骤变。任何单一指标都不足以下定论。如果采用过于简单的规则来评估,企业共享代理、移动网络、无障碍辅助软件和自动化集成都可能看起来像滥用服务的客户端。
异常检测和机器学习可以综合这些信号,但其效用取决于数据是否具有代表性,以及实际运行环境。季节性需求、产品发布和客户端软件的变化都可能使基线发生偏移。当攻击者刻意模仿正常流量时,模型也可能失效。精确率和召回率对实际运维至关重要:误报过多会使合法用户无法获得服务,而漏报则会让攻击持续下去。
归因是一项独立的任务,通常也更加困难。观测到的源地址可能属于被入侵的设备、反射器、代理或租用的基础设施。如果存在源地址伪造,该地址对应的设备实际上可能从未发送过任何攻击数据包。更有力的归因可能需要将指挥控制基础设施、账户记录、金融交易、查扣的系统以及其他证据关联起来,而这些信息通常无法从常规流量日志中获取。因此,技术描述应当将事件的发生机制,与有关其操作者或资助者身份的说法区分开来。
过滤、流量分发与攻击缓解架构
DDoS攻击缓解措施通过减少恶意请求、提高有效容量,或避免过早为请求分配高开销的处理资源来发挥作用。关键在于干预发生在瓶颈之前还是之后。在服务器上过滤流量,无法释放已被攻击流量占满的上游链路。此时,必须在数据包经过受限连接之前将其丢弃或分流,这通常需要互联网服务提供商或专业攻击缓解网络的协助。
内容分发网络可以在靠近用户的位置承接或响应部分请求,减轻源站服务的负担。分布式反向代理可以在更多位置终止连接并实施管控。任播路由允许多个站点宣告同一个服务地址,根据网络路由决策分散入站流量。这些机制提高了地理分布和运行部署的分散程度,但其效果取决于网络拓扑、流量分布,以及攻击者能否直接访问未受保护的源站。
流量清洗会将流量引导至清洗系统,由这些系统尝试区分合法数据包或请求与攻击流量。分流可以长期持续,也可以在发生攻击事件时通过路由变更或代理配置启用。清洗后的流量随后被送往受保护的服务。边界网关协议机制还可以支持远程触发的黑洞路由,通过丢弃发往某个目的地的流量来保护周边基础设施。黑洞路由以牺牲该目的地的可达性为代价;它的作用是控制损害范围,而不是维持被攻击服务的运行。
在应用层,速率限制用于限制请求处理任务的速率。令牌桶及相关机制允许受控的突发流量,同时限制较长时间内的资源消耗。限制可以针对账户、网络来源、操作,或多种信号的组合。仅按地址实施限制并不完善,因为许多合法用户可能共用一个地址,而分布式攻击者可能使用大量地址。考虑处理成本的限制机制力求反映实际处理负担,而不只是统计请求数量。
验证机制和Web应用过滤可以筛除部分自动化流量,但也需要作出权衡。验证机制可能给残障用户、使用隐私工具或受限浏览器的用户,以及非浏览器API客户端造成访问障碍。Web应用防火墙能够识别已知模式并实施请求管控,但无法可靠地判断每一笔有效应用事务的意图。因此,过滤规则往往需要随着流量和服务状况的变化而调整。
协议和软件层面的改进可以消除特定的不对称性:SYN cookie可以减少初始阶段分配的TCP状态资源,握手cookie可以将高开销操作推迟到对端证明其可达性之后,补丁则可以消除导致崩溃的条件或不安全的流处理方式。没有任何单一措施能够覆盖所有攻击类型。有效的攻击缓解需要结合传输层、应用层和上游网络的管控措施,同时观察合法事务能否继续成功完成,而不能将流量计数器的下降等同于服务恢复。
韧性设计、经济影响与治理
系统韧性关注的是部分恶意流量突破防御后,系统会如何表现。只有当各组件不依赖同一个易受攻击的环节,也不受同一个资源上限约束时,冗余才有用。两个应用实例如果共用一条已经饱和的连接,就不能构成彼此独立的防护。同样,多个区域也可能共同依赖单一的 DNS 提供商、身份服务、控制平面或账户管理系统。依赖关系的结构与服务器数量同样重要。
应用架构可以通过有界队列、工作负载隔离和负载卸载,将过载的影响控制在一定范围内。服务不必无限制地接收任务,最终以难以预料的方式发生故障,而是可以及时拒绝部分请求,或削减非必要功能。熔断器可以限制对异常依赖项的反复调用。将高开销操作与关键操作分离,可以在报表生成器或搜索功能不堪重负时维持基本服务。这些措施既能应对恶意过载,也能应对意外过载,而且不以正确识别每一个请求为前提。
重试是产生次生负载的重要原因。当客户端立即重发失败的请求时,已经出现部分过载的服务恰恰会在处理能力下降之际收到更多任务。一个依赖项发生故障,导致多个上游服务重试时,也会产生类似效果。限制重试次数、采用随机延迟以及发出明确的过载信号,可以减轻这种放大效应。不过,攻击者未必会遵从这些信号,因此,基于协作的过载处理只能补充而不能取代针对恶意流量的管控措施。
云计算改变了经济上的权衡,却没有消除资源限制。自动扩容可能在提升容量的同时增加支出,而且扩容速度可能赶不上攻击来袭的速度。云服务提供商的配额、区域限制,以及数据库或外部 API 的瓶颈,都可能导致新增应用实例也无法恢复服务可用性。“经济可持续性拒绝攻击”描述的是这样一种情形:即使服务在技术上仍可访问,滥用性需求也会造成高昂的运营成本。
应急准备和事件分析需要经过授权的测试、明确的升级处理流程,以及证据保全。负载测试衡量的是系统在特定条件下的表现,并不能证明系统对所有拒绝服务机制都具有免疫力。测试还可能影响共享网络或外部依赖项,因此明确授权范围十分重要。事件发生后,区分攻击引发的故障与防御措施的副作用,有助于查明服务中断究竟源于资源耗尽、过滤范围过宽、路由变更,还是多种原因的相互作用。
许多司法管辖区通过计算机滥用相关法律规制未经授权的干扰行为,其中包括针对故意损害计算机系统运行的条款。跨境基础设施和被攻陷的中间节点使调查与执法更加复杂。在标准和实际运营层面,持续受到关注的问题包括:如何激励实施源地址验证、如何让联网设备采用安全的默认设置,以及如何使攻击测量结果具有可比性。协议开发也越来越重视系统在何时分配状态资源或执行高开销计算,因为在设计阶段防止系统承担不成比例的工作量,可以消除整类可被用于拒绝服务攻击的机会。